Perfilado de rendimiento de FPS para múltiples arquitecturas computacionales usando el algoritmo de reducción de neblina DCP

Este documento presenta una prueba de rendimiento creada para evaluar el desempeño de diferentes plataformas en la ejecución de un algoritmo de reducción de niebla basado en el “Dark Channel Prior” (DCP) [1]. El parámetro utilizado para la evaluación fue el número de cuadros por segundo (FPS, por su...

Descripción completa

Detalles Bibliográficos
Autores principales: Navarro-Brenes, Allan Francisco, Chavarría-Zamora, Luis Alberto
Formato: Online
Idioma:spa
Publicado: Editorial Tecnológica de Costa Rica (entidad editora) 2022
Acceso en línea:https://revistas.tec.ac.cr/index.php/tec_marcha/article/view/5718
Descripción
Sumario:Este documento presenta una prueba de rendimiento creada para evaluar el desempeño de diferentes plataformas en la ejecución de un algoritmo de reducción de niebla basado en el “Dark Channel Prior” (DCP) [1]. El parámetro utilizado para la evaluación fue el número de cuadros por segundo (FPS, por sus siglas en inglés) que el dispositivo es capaz de procesar. Con esta herramienta se logra determinar aquellas arquitecturas que son aptas para ejecutar el algoritmo en tiempo real. El ambiente de pruebas se ejecutó en cuatro plataformas, un Google Pixel 3a, una Raspberry Pi 3B+, una GPU de NVIDIA y un procesador Intel x86. Se usaron los siguientes kits de desarrollo de software (SDK, por sus siglas en inglés) según la plataforma: Android NDK, Yocto Poky, CUDA y la cadena de herramientas GCC. La herramienta permitió recopilar, para cada plataforma, los FPS para distintos tamaños de imagen, con estos resultados se pueden escoger la arquitectura más idónea según el área de implementación (e.g., bajo consumo o HPC). El ambiente de pruebas se ejecutó en cuatro plataformas, un Google Pixel 3a, una Raspberry Pi 3B+, una GPU de NVIDIA y un procesador Intel x86. Se usaron los siguientes kits de desarrollo de software (SDK, por sus siglas en inglés) según la plataforma: Android NDK, Yocto Poky, CUDA y la cadena de herramientas GCC. La herramienta permitió recopilar, para cada plataforma, los FPS para distintos tamaños de imagen, con estos resultados se pueden escoger la arquitectura más idónea según el área de implementación (e.g., bajo consumo o HPC).