Fast Explicit Diffusion: Schneller Algorithmus zur Mustererkennung
Die Forscher um Joachim Weickert beschreiben ihren Algorithmus Fast Explicit Diffusion (FED) als einfach und schnell, da er die Vorteile expliziter und halbexpliziter Methoden kombiniert. Sie wurden für ihre Arbeit mit dem Titel From Box Filtering to Fast Explicit Diffusion(öffnet im neuen Fenster) mit dem Best Paper Award auf der Jahrestagung der Deutschen Arbeitsgemeinschaft für Mustererkennung ausgezeichnet. Insgesamt waren 134 Beiträge aus 21 Ländern eingereicht worden.
"Mit unserer Vorgehensweise können wir auch mit den schnellsten, äußerst komplizierten Verfahren mithalten. Da sich die einzelnen Schritte sehr gut parallel berechnen lassen, profitieren wir zudem von den enormen Möglichkeiten moderner Grafikprozessoren" , erklärt Weickert. Wie das geht, wird in einem zweiten Aufsatz beschrieben: A highly efficient GPU implementation for variational optic flow based on the Euler-Lagrange framework(öffnet im neuen Fenster) .
Mit dem Verfahren sollen sich nicht nur Informationen aus verrauschten oder unvollständigen Bildern herausfiltern lassen. Der Algorithmus soll auch dabei helfen, Bilder und Videos künftig noch stärker zu komprimieren, um diese zum Beispiel ohne Qualitätsverlust mobil zu versenden. Die Forscher beschleunigten zudem auch Verfahren, mit denen Computer selbstständig Bewegungen in Videos erkennen können, zum Beispiel die Bewegungen eines Menschen in Fahrerassistenzsystemen.
FED soll sich relativ einfach implementieren lassen, so die Forscher, denn dazu müssen bestehende explizite Schemata nur um einige wenige Zeilen Code ergänzt werden. Wie sich ihr FED-Algorithmus in C- und C++-Code umsetzt, zeigen die Forscher mit einer eigenen Softwarebibliothek(öffnet im neuen Fenster) , die sie als Open Source unter der GPL zum freien Download anbieten.