Implementação do Algoritmo de Treinamento do Classificador Floresta de Caminhos Ótimos em GPU

Resumo

Técnicas tradicionais de reconhecimento de padrÜoes, tais como Máquina de Vetores de Suporte e Redes Neurais Artificiais, pagam o preço de umaetapa de treinamento muito custosa para atingirem altas taxas de reconhecimento no conjunto de teste. Em determinadas situaçÜoes que exigemum constante retreinamento dos dados, tais como sistemas de classificaçÜao de imagens interativos, nos quais cada pixel é tido como uma amostra doconjunto de dados e, eventualmente, podem existir milhÜoes delas no caso de imagens de alta resoluçÜao, tais abordagens podem ser inviáveis para o usuário em termos de custo computacional. Recentemente, um novo classificador de padrÜoes denominado Floresta de Caminhos Ótimos foidesenvolvido com o intuito de endereçar tais situaçÜoes. Embora o classificador supracitado tenha demonstrado similaridade em termos de eficácia a Máquinas de Vetores de Suporte, porém muito mais rápido para o treinamento dos dados, ainda é desejável que o mesmo seja executado commais rapidez para endereçar situaçÜoes nas quais o volume de dados é muito grande, tais como rastreamento de objetos em vídeo em tempo real, sistemas de detecçÜao de intrusos em redes de computadores e classificaçÜao de imagens adquiridas com dispositivos de alta resoluçÜao. Dado que muitos algoritmos de aprendizado de máquina e outras aplicaçÜoes de propósitogeral estÜao sendo implementadas em ambiente CUDA para programaçÜao em GPU, proporcionando um aumento considerável no seu desempenho,o presente projeto de pesquisa propÜoe a implementaçÜao do algoritmo de treinamento do OPF em ambiente GPU, visando criaçÜao da cuOPF, umabiblioteca para o desenvolvimento de classificadores de padrÜoes baseados em floresta de caminhos ótimos em ambiente GPU-CUDA. Esta biblioteca será disponibilizada em conjunto com a LibOPF, um pacote de funçÜoes já disponível para o projeto de classificadores baseados em floresta decaminhos ótimos.