Trabajos Fin de Grado/Carrera

Desarrollo de algoritmos de extracción, caracterización y seguimiento de features adaptados para su cómputo en la GPU.

Descripción

En los últimos años, y con el objetivo de dotar a los sistemas de visión por computador con las capacidades de reconocer el lugar en dónde se está, o cuáles son y dónde se encuentran los principales objetos de una determinada escena, han resultado de gran interés las denominadas "características invariantes a escala". Entre ellas, quizá el método más exitoso -aunque no el único- haya sido el detector/descriptor SIFT. Un problema de este tipo de extractores son sus extraordinarios requerimientos de cómputo (al tratar a la imagen en un completo espacio multiescala). Sin embargo, con el advenimiento del nuevo paradigma de programación GPGPU, de repente el cómputo en tiempo real de los diversos tipos de features y descriptores asociados, se ha vuelto posible incluso en equipos de bajo costo. Lo mismo cabe decir de otros algoritmos de procesamiento de imagen a bajo y medio nivel clásicamente intensivos en cómputo (como, p.e., diversas aproximaciones a la estimación del flujo óptico temporal, tracking bayesiano de distintos tipos de features, algoritmos de jerarquización de imagen, etc.).

Requisitos

Haber cursado las asignaturas de "Visión por computador" y/o "Sistemas Multiprocesadores" (recomendadas). Conocimientos de programación en C++. Conocimiento de la librería de clases QT para programación de entornos gráficos sobre Linux, y del estándar OpenGL (recomendado). Conocimientos de programación en CUDA (recomendado)

Objetivos

El objetivo sería explorar en diferentes proyectos de fin de carrera (para uno o dos alumnos, dependiendo de la dificultad) la adaptación de algunos de estos procedimientos a estas arquitecturas, e incluso la creación de nuevos algoritmos que, diseñados desde cero, intenten tomar ventaja de las características particulares de estas arquitecturas SMT (Simultaneous Multi Threading).