鉴于数字重建影像生成过程具有良好的并行性,实现了一种基于CUDA并行计算的数字重建影像生成算法。该算法首先在CPU端使用八叉树结构来剔除体数据中的空体素并将其载入GPU;然后在GPU中根据光线和线程的对应关系,设计光线内核函数来模拟一束X线穿透人体组织的衰减过程;最后在GPU中由多线程并行执行内核函数来完成DRR图像生成过程。实验结果表明,该方法在保证DRR生成质量的前提下能有效利用GPU的并行计算能力,提高DRR图像的生成效率,满足图像引导放疗中对DRR生成过程的实时性要求。
2021-11-22 21:44:51
90KB
1
MATLAB平台下的CUDA加速库。运用该库可避免在MEX函数中来回拷贝GPU数据，提高MATLAB运行速率。附件给出一个简单的矩阵乘法的示例程序，该程序在GTX TITAN下运行效率比intel i7 3930k提高了10倍。
2021-11-20 21:08:33
371KB
1
编译环境为Windows 10 64位 + Visual Studio 2017，基于最新正式版本OpenCV 4.0.0 和OpenCV-Contrib 4.0.0编译，支持CUDA10.0, Qt 5.11.2, OpenGL， 支持所有Contrib 模块，全部优化编译，默认AVX2 指令集，只包含x64 版本，不包含x86 版本。
支持CUDA 编译非常耗时，整个编译加优化历时超过10个小时，为方便大家在此分享给大家使用了。
2021-11-20 10:43:03
46.75MB
1
张量FFT
利用张量核，针对fp16数据的FFT算法的实现，以加快处理速度
2021-11-19 21:00:18
19KB
1
TensorRT-7.0.0.11.Ubuntu-18.04.x86_64-gnu.cuda-10.0.cudnn7.6.tar.gz
TensorRT-7.0.0.11.Ubuntu-18.04.x86_64-gnu.cuda-10.0.cudnn7.6.tar.gz
2021-11-19 09:01:37
709.49MB
1
VisionWorks是英伟达(NVIDIA)提供的一个运行于NVIDIA平台，基于CUDA的计算机视觉计算加速库。本课程能够帮助计算机视觉和深度学习领域的学生、工程技术人员、产品开发人员熟悉VisionWorks的使用，熟练运用VisionWorks实现基于硬件(CUDA)加速的CV和DL任务。同时，通过VisionWorks和OpenCV的交互使用，能够实现快速、高效的计算机视觉任务、深度学习任务。
2021-11-18 17:20:02
1.35MB
1