Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
A Global-Local Approach to Extracting Deformable Fashion Items from Web Images Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

Accelerating Large-Scale Human Action Recognition with GPU-Based Spark

verfasst von : Hanli Wang, Xiaobin Zheng, Bo Xiao

Erschienen in: Advances in Multimedia Information Processing - PCM 2016

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In this paper, a large-scale human action recognition system is proposed which is built upon the combination of the rising big data processing technology Spark and the powerful Graphics Processing Unit (GPU) in order to fully utilize the efficient in-memory computing ability of Spark and the fine-grained parallel computing capacity of GPU for visual data processing. A number of key algorithms for human action recognition including trajectory based feature extraction, Gaussian Mixture Model (GMM) generation and Fisher Vector (FV) encoding are performed with the proposed GPU-based Spark framework. The experimental results on the benchmark human action dataset Hollywood-2 demonstrate that the proposed GPU-based Spark framework is able to dramatically accelerate the process of human action recognition.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Multi-view Multi-object Tracking Based on Global Graph Matching Structure
Nächstes Kapitel Adaptive Multi-class Correlation Filters
Literatur
1.
Wang, H., Kläser, A., Schmid, C., Liu, C.L.: Action recognition by dense trajectories. In: Proceedings of CVPR 2011, pp. 3169–3176, June 2011
2.
Wang, H., Schmid, C.: Action recognition with improved trajectories. In: Proceedings of ICCV 2013, pp. 3551–3558, December 2013
3.
Wang, H., Yi, Y., Wu, J.: Human action recognition with trajectory based covariance descriptor. In: Proceedings of ACM MM 2015, pp. 1175–1178, October 2015
4.
Dean, J., Ghemawat, S.: MapReduce: simplified data processing on large clusters. Commun. ACM 51(1), 107–113 (2008)CrossRef
5.
Zaharia, M., Chowdhury, M., Franklin, M.J., Shenker, S., Stoica, I.: Spark: cluster computing with working sets. In: Proceedings of HotCloud 2010, p. 10, June 2010
6.
7.
8.
Augonnet, C., Thibault, S., Namyst, R., Wacrenier, P.-A.: StarPU: a unified platform for task scheduling on heterogeneous multicore architectures. In: Sips, H., Epema, D., Lin, H.-X. (eds.) Euro-Par 2009. LNCS, vol. 5704, pp. 863–874. Springer, Heidelberg (2009). doi:10.​1007/​978-3-642-03869-3_​80 CrossRef
9.
Linderman, M., Collins, J., Wang, H., Meng, T.: Merge: a programming model for heterogeneous multi-core systems. In: Proceedings of ASPLOS 2008, pp. 287–296, March 2008
10.
Wernsing, J.R., Stitt, G.: Elastic computing: a portable optimization framework for hybrid computers. Parallel Comput. 38(8), 438–464 (2012)CrossRef
11.
He, B., Fang, W., Luo, Q., Govindaraju, N., Wang, T.: Mars: a MapReduce framework on graphics processors. In: Proceedings of PACT 2008, pp. 260–269, October 2008
12.
Wang, H., Xiao, B., Wang, L., Zhu, F., Jiang, Y.G., Wu, J.: CHCF: a cloud-based heterogeneous computing framework for large-scale image retrieval. IEEE Trans. Circ. Syst. Video Technol. 25(12), 1900–1913 (2015)CrossRef
13.
Wang, H., Zheng, X., Xiao, B.: Large-scale human action recognition with Spark. In: Proceedings of MMSP 2015, pp. 1–6, October 2015
14.
Perronnin, F., Dance, C.: Fisher kernels on visual vocabularies for image categorization. In: Proceedings of CVPR 2007, pp. 1–8, June 2007
15.
Marszalek, M., Laptev, I., Schmid, C.: Actions in context. In: Proceedings of CVPR 2009, pp. 2929–2936, June 2009
16.
17.
Oneata, D., Verbeek, J., Schmid, C.: Action and event recognition with Fisher vectors on a compact feature set. In: Proceedings of ICCV 2013, pp. 1817–1824, December 2013
18.
Sivic, J., Zisserman, A.: Video google: a text retrieval approach to object matching in videos. In: ICCV 2003, pp. 1470–1477, October 2003
19.
Dempster, A.P., Laird, N.M., Rubin, D.B.: Maximum likelihood from incomplete data via the EM algorithm. J. Royal Stat. Soc. 39(1), 1–38 (1977)MathSciNetMATH
Metadaten
Titel
Accelerating Large-Scale Human Action Recognition with GPU-Based Spark
verfasst von
Hanli Wang
Xiaobin Zheng
Bo Xiao
Copyright-Jahr
2016
Buch
Advances in Multimedia Information Processing - PCM 2016

Print ISBN: 978-3-319-48895-0

Electronic ISBN: 978-3-319-48896-7

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-319-48896-7_66

Neuer Inhalt

    Bildnachweise