16、基于Nvidia Jetson与Bangla OCR的技术实现及优化

基于Nvidia Jetson与Bangla OCR的技术实现及优化

在计算机视觉和光学字符识别领域，利用硬件资源进行算法优化以实现实时处理是一个重要的研究方向。本文将介绍基于Nvidia Jetson的立体视觉算法实现，以及一个全新的孟加拉语光学字符识别（OCR）语料库的构建。

1. Nvidia Jetson上的立体视觉算法实现

1.1 算法定制与优化

针对Jetson TK1开发板，对算法进行了定制设计。该开发板存在核心数量少（192个）、纹理内存速度慢和线程可用性等挑战。为解决这些问题，采用了以下优化策略：
- 利用GPU中每个块的共享内存。
- 使用CUDA PTX指令集。
- 将求和操作分为两步进行。
- 优化内存合并。
- 使用CUDA shuffle指令从GPU线程束内的相邻线程访问数据。

通过这些优化，实现了约30倍的加速，使得半全局匹配（SGM）算法能够在实时应用中使用。

1.2 SAD/CENSUS算法

在SAD和CENSUS算法中，每个像素需要一个9×7的窗口，因此使用2D GPU块是必要的。图像被划分为32×32的GPU块，每个线程处理一个像素。每个像素需要进行63次全局内存读取操作。为减少这一操作，通常会使用纹理内存，但在Jetson GPU中，纹理内存的实现实际上比全局内存慢，这可能是由于Jetson资源有限。因此，使用共享内存来减少内存读取操作。