Difference between revisions of "SC²S Colloquium - November 26, 2009"

From Sccswiki
Jump to navigation Jump to search
Line 10: Line 10:
  
 
== Sebastian Zeller: Laufzeitoptimierung von Bildverarbeitungsalgorithmen für ein remote Eye- und Gazetracking System ==
 
== Sebastian Zeller: Laufzeitoptimierung von Bildverarbeitungsalgorithmen für ein remote Eye- und Gazetracking System ==
 +
 +
 +
Als Ausgangspunkt für die Optimierung der Bildverarbeitung dient der Remote Gazetracker, der am Lehrstuhl für Mensch-Maschine-Kommunikation der Technischen Universität München entwickelt wurde. Der Fokus richtet sich dabei auf geringeren Arbeitsspeicherverbrauch, Optimierung der Latenz und Verringerung der Prozessorauslastung. Um diese Ziele zu erreichen, wurde zum einen die Systemarchitektur angepasst und zum anderen die einzelnen Teilbereiche des Trackings modularisiert und optimiert. Dies beinhaltet die Entwicklung eines neuen Blob-Detektors und die Implementierung eines Kontrast
 +
basierten Klassifikators. Die Optimierungen wurden auf verschiedenen Testsystemen analysiert und hinsichtlich weiterer Optimierungsmöglichkeiten überprüft. Der größte Erfolg wurde bei der Reduzierung der Prozessorauslastung und des Arbeitsspeicherbedarfs erreicht.
 +
  
 
== Benjamin Peherstorfer: Reduced-Basis Verfahren mit Dünngitterapproximationen ==
 
== Benjamin Peherstorfer: Reduced-Basis Verfahren mit Dünngitterapproximationen ==

Revision as of 16:40, 20 November 2009

Date: November 26
Room: 02.07.023
Time: 16:30 pm, s.t.

Sebastian Zeller: Laufzeitoptimierung von Bildverarbeitungsalgorithmen für ein remote Eye- und Gazetracking System

Als Ausgangspunkt für die Optimierung der Bildverarbeitung dient der Remote Gazetracker, der am Lehrstuhl für Mensch-Maschine-Kommunikation der Technischen Universität München entwickelt wurde. Der Fokus richtet sich dabei auf geringeren Arbeitsspeicherverbrauch, Optimierung der Latenz und Verringerung der Prozessorauslastung. Um diese Ziele zu erreichen, wurde zum einen die Systemarchitektur angepasst und zum anderen die einzelnen Teilbereiche des Trackings modularisiert und optimiert. Dies beinhaltet die Entwicklung eines neuen Blob-Detektors und die Implementierung eines Kontrast basierten Klassifikators. Die Optimierungen wurden auf verschiedenen Testsystemen analysiert und hinsichtlich weiterer Optimierungsmöglichkeiten überprüft. Der größte Erfolg wurde bei der Reduzierung der Prozessorauslastung und des Arbeitsspeicherbedarfs erreicht.


Benjamin Peherstorfer: Reduced-Basis Verfahren mit Dünngitterapproximationen