搜索资源列表
CPURayCasting
- 在CPU做的Ray-Casting代码，仿写CUDA的VolumeRender. -In the CPU to do Ray-Casting code, Imitative CUDA' s VolumeRender.
mpeg2dec
- MEPG2 dec 优化代码。 可运行于nvidia 的CUDA平台中-MEPG2 dec opt code it can running in nvidia s cuda chip
40e87b3a-0df7-43ec-8729-916b7c6ea92fR
- 基于CUDA的立体视觉 在本文中，我们提出了一个基于GPU的加速方法，以加快计算量图像配准 统一设备架构（CUDA技术）。一种新颖的CUDA技术为基础的联合直方图计算方法介绍 在这个文件，该文件还对二维图像配准和其他应用程序的一般图形宝贵。此外， 1算法的改进，提出改进FMRIB广泛使用的线性图像注册工具 （调情）。虽然采取了额外的时间是通过应用该算法的改进，我们的实现表明， 能够执行一个完整的12个自由度（自由度）的两个脑容量图像配准在近35秒， 时间大约是10比本
cuda_txcl
- 基于CUDA的高性能图像处理算法。着重介绍CPU和CUDA的计算能力，并详细介绍图像处理的背景以及几种操作的原理。在经过实验之后，对比CPU的计算能力可以发现，CUDA在并行处理数据的能力非常强大。由此可知，在图像处理的应用中，CUDA将大有可为。然而Hough变换的性能提升并不明显，其中的原子操作导致线程的排队，大幅度降低了线程并发性能，从而使得CUDA并行运算的优点不能显示出来，此问题的解决，有赖于对Hough变换并行算法的更深入研究。-CUDA-based high-performance
openFaceDetection
- This code accelerate face detection using Nvidia s GPU hardware using CUDA programming interface
SiftGPU-V370
- 使用gpu、cpu并行进行sift算子计算匹配，能够在原来的基础上加速处理，但对显卡要求较高，具体环境配置使用方法可以参照mannual-SiftGPU is an implementation of SIFT [1] for GPU. SiftGPU processes pixels parallely to build Gaussian pyramids and detect DoG Keypoints. Based on GPU list generation[3], SiftGPU th
gems3_ch38
- Imaging Earth s subsurface using CUDA
GPU_CUDA
- CUDA是Nvidia公司出的一个工具包，能对显卡进行编程，是学习图像处理进阶的好工具。-CUDA is Nvidia' s out of a kit that can be programmed on the card is a good learning tool for advanced image processing.
CUDASupercomputingMasses
- Dr Bobbs-CUDA Supercomputing for the Masses共21篇经典博客文章整理版，该系列文章为NVIDIA官方网站培训中心推荐的博文，非常值得学习GPU和CUDA编程的人看-Dr Bobbs-CUDA Supercomputing for the Masses for a total of 21 article classic blog article finishing version, this series of articles for NVIDIA s
CUDA_BITONIC
- This project is the Bitonic Sort implementation on GPU s using CUDA C.
GPU-Gems-3
- 《GPU精粹3》是GPU精粹系列畅销书的第三卷，展示了当今最前沿的图形处理单元(GPU)编程技术。现代GPU的可编程性让开发者不仅可以在自己的岗位上迅速脱颖而出，更使得他们可以在非图形应用程序中运用GPU的卓越处理能力，例如，物理仿真、金融分析，甚至是病毒检测——尤其是在cuDA体系结构下。图形学仍然是GPU主要应用领域，通过学习《GPU精粹3》，读者会惊喜地发现一些最新的算法，使用它们可以创建非常真实的角色，实现更逼真的光照效果，以及完成绘制后的混合效果。-GPU Gems 3 contain
recursiveGaussian
- 基于CUDA加速的高斯模糊算法，包含整个工程文件及相应测试图片。-Using CUDA implement a Gaussian blur using Deriche s recursive method. The advantage of this method is that the execution time is independent of the filter width.
CUDA-CNN-master
- CNN cuda的加速。 start-of-art结果的流行的数据集 1。测试mnist并获得99.76 ,投票后(99.82 )(最好的99.79 ) 2。测试cifar-10并获得81.42 最好(90 ) 3。测试cifar - 100和51.13 (最好的65 )-CNN accelerated by cuda. The start-of-art result s of popular datasets 1. Test on mnist and get 99.76