Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Optimization of selected remote sensing algorithms for embedded NVIDIA Kepler GPU architecture

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27740%2F15%3A86099008" target="_blank" >RIV/61989100:27740/15:86099008 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=7325817" target="_blank" >http://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=7325817</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/IGARSS.2015.7325817" target="_blank" >10.1109/IGARSS.2015.7325817</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Optimization of selected remote sensing algorithms for embedded NVIDIA Kepler GPU architecture

  • Popis výsledku v původním jazyce

    This paper evaluates the potential of embedded Graphic Processing Units in the Nvidia's Tegra K1 for onboard processing. The performance is compared to a general purpose multi-core CPU and full fledge GPU accelerator. This study uses two algorithms: Wavelet Spectral Dimension Reduction of Hyperspectral Imagery and Automated Cloud-Cover Assessment (ACCA) Algorithm. Tegra K1 achieved 51% for ACCA algorithm and 20% for the dimension reduction algorithm, as compared to the performance of the high-end 8-core server Intel Xeon CPU with 13.5 times higher power consumption.

  • Název v anglickém jazyce

    Optimization of selected remote sensing algorithms for embedded NVIDIA Kepler GPU architecture

  • Popis výsledku anglicky

    This paper evaluates the potential of embedded Graphic Processing Units in the Nvidia's Tegra K1 for onboard processing. The performance is compared to a general purpose multi-core CPU and full fledge GPU accelerator. This study uses two algorithms: Wavelet Spectral Dimension Reduction of Hyperspectral Imagery and Automated Cloud-Cover Assessment (ACCA) Algorithm. Tegra K1 achieved 51% for ACCA algorithm and 20% for the dimension reduction algorithm, as compared to the performance of the high-end 8-core server Intel Xeon CPU with 13.5 times higher power consumption.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/ED1.1.00%2F02.0070" target="_blank" >ED1.1.00/02.0070: Centrum excelence IT4Innovations</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2015

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    International Geoscience and Remote Sensing Symposium (IGARSS). Volume 2015

  • ISBN

    978-1-4799-7929-5

  • ISSN

    2153-6996

  • e-ISSN

  • Počet stran výsledku

    4

  • Strana od-do

    529-532

  • Název nakladatele

    Institute of Electrical and Electronics Engineers

  • Místo vydání

    New York

  • Místo konání akce

    Miláno

  • Datum konání akce

    26. 7. 2015

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000371696700134