OpenCV中聚类方法的并行化

Posted

技术标签:

【中文标题】OpenCV中聚类方法的并行化【英文标题】:parallelisation of clustering method in OpenCV 【发布时间】:2014-04-01 09:41:26 【问题描述】:

我正在为我的项目中的闭环检测训练一个 fabMap 算法。培训包括创建描述符、词汇和 Chow-Liu 树。我有一个包含 10.000 多张图像的数据库。我正在使用一个非常好的台式机(12 核双线程、32 GB 内存和 6 GB Nvidia 显卡),我想在训练我的系统时充分利用它。我在 Windows 7 64 位系统上使用 opencv 3.0,启用 TBB。

问题是只有描述符的提取是多线程的。 Chow-Liu 树的聚类和构建是在单个线程中执行的。 BOWMSCTrainer 类的 cluster() 方法有 3 个嵌套的for() 循环,每个循环都依赖于前一个循环,甚至嵌套循环的大小也是动态分配的。这是 cluster() 方法的核心:

//_descriptors is a Matrix wherein each row is a descriptor

Mat icovar = Mat::eye(_descriptors.cols,_descriptors.cols,_descriptors.type());

std::vector<Mat> initialCentres;
initialCentres.push_back(_descriptors.row(0));
for (int i = 1; i < _descriptors.rows; i++) 
    double minDist = DBL_MAX;
    for (size_t j = 0; j < initialCentres.size(); j++) 
        minDist = std::min(minDist,
            cv::Mahalanobis(_descriptors.row(i),initialCentres[j],
            icovar));
    
    if (minDist > clusterSize)
        initialCentres.push_back(_descriptors.row(i));


std::vector<std::list<cv::Mat> > clusters;
clusters.resize(initialCentres.size());
for (int i = 0; i < _descriptors.rows; i++) 
    int index = 0; double dist = 0, minDist = DBL_MAX;
    for (size_t j = 0; j < initialCentres.size(); j++) 
        dist = cv::Mahalanobis(_descriptors.row(i),initialCentres[j],icovar);
        if (dist < minDist) 
            minDist = dist;
            index = (int)j;
        
    
    clusters[index].push_back(_descriptors.row(i));


// TODO: throw away small clusters.

Mat vocabulary;
Mat centre = Mat::zeros(1,_descriptors.cols,_descriptors.type());
for (size_t i = 0; i < clusters.size(); i++) 
    centre.setTo(0);
    for (std::list<cv::Mat>::iterator Ci = clusters[i].begin(); Ci != clusters[i].end(); Ci++) 
        centre += *Ci;
    
    centre /= (double)clusters[i].size();
    vocabulary.push_back(centre);


return vocabulary;

为了了解训练需要多长时间,我对数据库进行了下采样。我从 10 张图片(约 20.000 个描述符)开始,大约花了 40 分钟。使用 100 张图像(约 300.000 个描述符)的样本,整个过程大约需要 60 个小时,而且我担心使用 1000 张图像(这将呈现一个体面的词汇表)可能需要 8 个月(!),(如果方法是 O( n²)->60 小时 *10² ~ 8 个月),我不想想象整个数据库需要多长时间。

所以,我的问题是:是否有可能以某种方式并行执行 cluster() 方法,以便系统的训练不会花费大量时间?我曾考虑过应用 openMP 编译指示,或为每个循环创建一个线程,但鉴于 for() 循环的动态性,我认为这是不可能的。虽然我熟悉并行编程和多线程,但我根本不是这个领域的专家。

非常感谢!

【问题讨论】:

【参考方案1】:

为了什么有价值,我把我想出的代码留在这里,使用 OpenCV 的调用 parallel_for。我还在代码中添加了一个功能,现在它删除了所有小于阈值的集群。该代码有效地加快了进程:

//The first nest of fors remains untouched, but the following ones: 

std::vector<std::list<cv::Mat> > clusters;
clusters.resize(initialCentres.size());

Mutex lock = Mutex();
parallel_for_(cv::Range(0, _descriptors.rows - 1),
        for_createClusters(clusters, initialCentres, icovar, _descriptors, lock));

Mat vocabulary;
Mat centre = Mat::zeros(1,_descriptors.cols,_descriptors.type());
parallel_for_(cv::Range(0, clusters.size() - 1), for_estimateCentres(clusters,
        vocabulary, centre, minSize, lock));

并且,在标题中:

//parallel_for_ for creating clusters:
class CV_EXPORTS for_createClusters: public ParallelLoopBody 
private:

std::vector<std::list<cv::Mat> >& bufferCluster;
const std::vector<Mat> initCentres;
const Mat icovar;
const Mat descriptorsParallel;
Mutex& lock_for;

public:
for_createClusters(std::vector<std::list<cv::Mat> >& _buffCl,
        const std::vector<Mat> _initCentres, const Mat _icovar,
        const Mat _descriptors, Mutex& _lock_for)
: bufferCluster (_buffCl), initCentres(_initCentres), icovar(_icovar),
  descriptorsParallel(_descriptors), lock_for(_lock_for)


virtual void operator()( const cv::Range &r ) const

    for (register int f = r.start; f != r.end; ++f)
    
        int index = 0; double dist = 0, minDist = DBL_MAX;
        for (register size_t j = 0; j < initCentres.size(); j++) 
            dist = cv::Mahalanobis(descriptorsParallel.row(f),
                    initCentres[j],icovar);
            if (dist < minDist) 
                minDist = dist;
                index = (int)j;
            
        
        
//              AutoLock Lock(lock_for);
            lock_for.lock();
            bufferCluster[index].push_back(descriptorsParallel.row(f));
            lock_for.unlock();
        
    
    
;

class CV_EXPORTS for_estimateCentres: public ParallelLoopBody 
private:

const std::vector<std::list<cv::Mat> > bufferCluster;
Mat& vocabulary;
const Mat centre;
const int minSizCl;
Mutex& lock_for;

public:
for_estimateCentres(const std::vector<std::list<cv::Mat> > _bufferCluster,
        Mat& _vocabulary, const Mat _centre, const int _minSizCl, Mutex& _lock_for)
: bufferCluster(_bufferCluster), vocabulary(_vocabulary),
  centre(_centre), minSizCl(_minSizCl), lock_for(_lock_for)

virtual void operator()( const cv::Range &r ) const

    Mat ctr = Mat::zeros(1, centre.cols,centre.type());

    for (register int f = r.start; f != r.end; ++f)
        ctr.setTo(0);
        //Not taking into account small clusters
        if(bufferCluster[f].size() >= (size_t) minSizCl)
        
            for (register std::list<cv::Mat>::const_iterator
                    Ci = bufferCluster[f].begin();
                    Ci != bufferCluster[f].end(); Ci++)
                        ctr += *Ci;

            ctr /= (double)bufferCluster[f].size();

            
//              AutoLock Lock(lock_for);
                lock_for.lock();
                vocabulary.push_back(ctr);
                lock_for.unlock();
            
        
    
  
;

希望这对某人有所帮助...

【讨论】:

你确定这是线程安全的吗?我尝试了互斥锁技巧,但它对我不起作用.. vector 仍然遗漏了一些项目

以上是关于OpenCV中聚类方法的并行化的主要内容,如果未能解决你的问题,请参考以下文章

电力通信大数据并行化聚类算法研究

使用 Qt 并行化 OpenCV 处理

并行化可以降低算法复杂度吗

并行化摸索中

OpenMp实现并行化

在java中并行化任务的最简单方法是啥?