典型文献
低功耗异构计算架构的高光谱遥感图像分类研究
文献摘要：
高光谱图像分类算法通常需要逐点对图像中的像素点进行迭代处理,计算复杂度及并行程度存在较大差异.随着高光谱遥感图像空间、光谱和辐射分辨率的不断提升,这些算法无法满足实时处理海量遥感图像数据的需求.通过分析NPU存储计算一体化模式与遥感图像分类算法的实现步骤,设计低功耗CPU+NPU异构资源计算架构的低秩稀疏子空间聚类(LRSSC)算法,将数据密集型计算转移至NPU,并利用NPU数据驱动并行计算和内置AI加速,对基于机器学习算法的海量遥感数据进行实时分类.受到big.LITTLE计算范式的启发,CPU+NPU异构资源计算架构由8 bit和低精度位宽NPU共同组成以提高整体吞吐量,同时减少图网络推理过程中的能量损耗.实验结果表明,与CPU计算架构和CPU+GPU异构计算架构的LRSSC算法相比,CPU+NPU异构计算架构的LRSSC算法在Pavia University遥感数据集下的计算速度提升了3～14倍.
文献关键词：
高光谱遥感;图像分类算法;低秩稀疏子空间聚类;低功耗异构计算架构;编码孔径快照光谱成像
中图分类号：
作者姓名：
刘鹏飞;朱健晨;万良易;江波
作者机构：
中国电子科技集团公司第三十二研究所,上海 201808
文献出处：
引用格式：
[1]刘鹏飞;朱健晨;万良易;江波-.低功耗异构计算架构的高光谱遥感图像分类研究)[J].计算机工程,2022(12):9-15,23
A类：
低功耗异构计算架构,CPU+NPU,低秩稀疏子空间聚类,LRSSC,LITTLE,编码孔径快照光谱成像
B类：
高光谱遥感图像,遥感图像分类,分类研究,高光谱图像分类,图像分类算法,逐点,像素点,迭代处理,计算复杂度,图像空间,辐射分辨率,实时处理,图像数据,一体化模式,异构资源,数据密集型,计算转移,移至,并行计算,内置,基于机器学习,机器学习算法,遥感数据,实时分类,big,计算范式,bit,低精度,吞吐量,图网络,推理过程,能量损耗,CPU+GPU,Pavia,University,计算速度
AB值：
0.234822
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
