nuevas tecnologias


Últimos avances para diseñar aplicaciones de visión artificial en máquinas
Desde que los procesadores multi-núcleo han hecho su aparición en los mercados, los vendedores de software de visión demáquinas están rediseñando sus productos, y permitiendo que sus clientes se aprovechen de la potencia de los multi-procesadores. Sin embargo, esta tarea no es trivial ya que el programador debeoptimizar la energía de las funciones de imagen-procesado a través de múltiples procesadores. Si bien el máximo incremento de rendimiento esperado del multi-procesador puede predecirse en cierta extensiónpor la ley de Amdahl, el incremento de rendimiento se limitará por cualquier parte secuencial del programa que no pueda ser optimizada para funcionar en paralelo.
Muchas funciones de procesado deimágenes tales como el procesado por puntos u operaciones como la convolución se prestan a sí mismas a la optimización. Sin embargo, otras técnicas – tales como el procesado de imágenes adaptativo – querequiere algún tipo de proceso de toma de decisión y depende profundamente de las condiciones de diversificación no es fácilmente optimizado. Típicamente, hay dos formas de impulsar el rendimiento delas aplicaciones de visión de las máquinas a nivel de sistema, y estas se denominan paralelización a nivel de tarea, paralelización a nivel de datos. La paralelización a nivel de tareas es convenientepara programas con funcionalidad independiente que tienen mínimas dependencias de datos o recursos compartidos –tales como los sistemas multicamara –pero la paralelización a nivel de datos es másconveniente para código que repite varias etapas secuenciales con dependencias de datos entre etapas. Debido a que las aplicaciones de procesado de imágenes tienden a ser serializadas (adquirir, filtrar,extraer, clasificar, generar señales de salida), la paralelización es una estrategia popular para incrementar el rendimiento de los procesadores multi núcleo.
Si bien el código fuente de los...