面向GPU的图像局部模糊检测并行算法研究

为解决传统算法在高分辨率图像局部模糊检测方面处理速度较慢的问题，文章提出一种面向GPU的图像局部模糊检测的并行加速方案。利用GPU的强大计算能力加速局部模糊检测中均方差的计算、再模糊处理、均方差比较和清晰区域标记等过程。结果表明，基于GPU的图像局部模糊检测并行算法的性能与基于CPU的串行算法相比，可获得270倍的加速比，能够为大规模实时性图像处理系统的应用设计提供参考。     

基于边缘云计算的混合并行AI训练机制研究

针对边缘计算环境下人工智能(Artificial Intelligence,AI)模型训练效率低下的问题,提出了基于边缘云计算的混合并行训练框架(Edge-Cloud based Hybrid Parallel Training Framework,ECHPT).ECHPT能在终端设备、边缘服务器和云计算中心之间实现AI模型和数据样本的自适应调度.ECHPT将模型计算和数据任务调度问题建模为训练时间最小化的优化问题,设计了调度算法对优化问题进行求解.实现了由设备、边缘服务器和云服务器组成的硬件原型.实验结果表明,与现有框架相比,ECHPT可以有效缩短AI模型的训练时间.