Parallelizzazione e benchmarking di algoritmi per face-detection e face-recognition

La GPGPU (General-Purpose computing on Graphics Processing Units) è un settore della ricerca informatica che ha come scopo l'utilizzo del processore della scheda grafica, vale a dire la GPU, per scopi diversi dalla tradizionale creazione di un'immagine tridimensionale; in tale ambito di utilizzo la GPU viene impiegata per elaborazioni estremamente esigenti in termini di potenza di elaborazione, e per le quali le tradizionali architetture di CPU non hanno una capacità di elaborazione sufficiente.

Tale tipo di elaborazioni sono, per loro natura, di tipo altamente parallelo, e in grado quindi di beneficiare ampiamente dell'architettura tipica delle GPU; a tale caratteristica intrinseca si è aggiunta l'estrema programmabilità offerta dalle ultime soluzioni commerciali, che al succedersi delle generazioni aumentano non solo la propria potenza elaborativa ma anche la propria versatilità.

Scopo del presente lavoro di tesi è quello di valutare la possibilità di parallelizzare diversi algoritmi standard per face-detection e face-recognition. L'implementazione parallela dei vari algoritmi dovrà poi essere testata con benchmark appositi su architetture GPGPU per valutare l'efficacia dell'implementazione e l'incremento delle performance rispetto all'equivalente algoritmo non parallelo

Corso di Laurea: 
Laurea Triennale in Ingegneria Informatica e dell'Automazione
Tesista
Tesista: 
Manuel Rapino
Email: 
Relatore
Relatore: 
Prof. Aldo Franco Dragoni
Email: 
Tutor
Correlatore: 
Gianluca Dolcini
Email: