Mostrar el registro sencillo del ítem

FPS performance profiling for multiple computational architectures using the DCP dehazing algorithm

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

dc.creatorNavarro-Brenes, Allan Francisco
dc.creatorChavarría-Zamora, Luis Alberto
dc.date2022-06-29
dc.date.accessioned2023-02-16T16:05:25Z
dc.date.available2023-02-16T16:05:25Z
dc.identifierhttps://revistas.tec.ac.cr/index.php/tec_marcha/article/view/5718
dc.identifier10.18845/tm.v35i3.5718
dc.identifier.urihttps://hdl.handle.net/2238/14098
dc.descriptionIn this document we present a benchmark to evaluate the performance of different platforms in the execution of a dehazing algorithm based on the Dark Channel Prior (DCP) [1]. The parameter used for the evaluation was the number of frames per second (FPS) that the device was able to process. This tool allows to determine which architectures can execute the algorithm in real time. The testing environment was executing in four platforms, a Google Pixel 3a, a Raspberry Pi 3B+, a GPU by NVIDIA, and an Intel x86 processor. The following software development kits (SDK’s) where used for each of the platforms: Android NDK, Yocto Poky, CUDA, and the GCC toolchain. The tool allowed us to collect, for each platform, the FPS for different image sizes, these results allow the selection of an ideal architecture depending on a specific application (e.g., low power, HPC). The testing environment was executing in four platforms, a Google Pixel 3a, a Raspberry Pi 3B+, a GPU by NVIDIA, and an Intel x86 processor. The following software development kits (SDK’s) where used for each of the platforms: Android NDK, Yocto Poky, CUDA, and the GCC toolchain. The tool allowed us to collect, for each platform, the FPS for different image sizes, these results allow the selection of an ideal architecture depending on a specific application (e.g., low power, HPC).en-US
dc.descriptionEste 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).es-ES
dc.formatapplication/pdf
dc.formattext/html
dc.languagespa
dc.publisherEditorial Tecnológica de Costa Rica (entidad editora)es-ES
dc.relationhttps://revistas.tec.ac.cr/index.php/tec_marcha/article/view/5718/6022
dc.relationhttps://revistas.tec.ac.cr/index.php/tec_marcha/article/view/5718/6049
dc.rightsDerechos de autor 2022 Revista Tecnología en Marchaes-ES
dc.rightshttps://creativecommons.org/licenses/by-nc-nd/4.0es-ES
dc.sourceTecnología en marcha Journal; 2022: Vol. 35 Núm. 3: Julio-Setiembre 2022; Pág. 73-81en-US
dc.sourceRevista Tecnología en Marcha; 2022: Vol. 35 Núm. 3: Julio-Setiembre 2022; Pág. 73-81es-ES
dc.source2215-3241
dc.source0379-3982
dc.subjectFPS Benchmarken-US
dc.subjectImage processingen-US
dc.subjectReal-time processingen-US
dc.subjectEmbedded Systemsen-US
dc.subjectComputer architectureen-US
dc.subjectImage Dehazingen-US
dc.subjectImage Restorationen-US
dc.subjectBenchmark de FPSes-ES
dc.subjectProcesamiento de imágeneses-ES
dc.subjectProcesamiento en tiempo reales-ES
dc.subjectSistemas empotradoses-ES
dc.subjectArquitectura de computadoreses-ES
dc.subjectReducción de neblinaes-ES
dc.subjectRestauración de Imagenes-ES
dc.titleFPS performance profiling for multiple computational architectures using the DCP dehazing algorithmen-US
dc.titlePerfilado de rendimiento de FPS para múltiples arquitecturas computacionales usando el algoritmo de reducción de neblina DCPes-ES
dc.typeartículo original


Ficheros en el ítem

FicherosTamañoFormatoVer

No hay ficheros asociados a este ítem.

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem