Implementasi Komputasi Paralel pada Aplikasi Deep Convolutional Neural Network (Studi Kasus : Aplikasi YUV Video Super-Resolution)

Aplikasi YUV Video Super-Resolution merupakan aplikasi yang digunakan untuk meningkatkan resolusi video dengan format YUV sebesar 2 kali lipat dengan menggunakan salah satu bentuk DCNN (Deep Convolutional Neural Network) yaitu algoritma FSRCNN (Fast Super Resolution Convolutional Neural Network), namun waktu yang dibutuhkan aplikasi untuk mengolah sebuah video yang terdiri atas 150 frame adalah 800 detik atau sekitar 13 menit. Untuk mengatasi waktu eksekusi yang lama dapat digunakan komputasi paralel untuk mengurangi waktu eksekusi aplikasi. Bentuk implementasi komputasi paralel yang digunakan adalah multithreading dari library OpenMP. Untuk mengukur performa aplikasi dengan implementasi komputasi paralel digunakan CPU time dan wall time dengan menggunakan input video yang memiliki jumlah frame yang berbeda. Data CPU time dan wall time dapat digunakan untuk mendapatkan nilai speedup tiap video di masing -masing aplikasi paralel. Nilai speedup digunakan untuk membandingkan antar aplikasi paralel dengan tingkat paralelisasi blok kode yang berbeda. Setelah itu, speedup aktual dibandingkan dengan speedup teoritis yang didapatkan dengan menggunakan hukum Amdahl. Selanjutnya untuk memastikan kualitas gambar dari video yang dihasilkan oleh aplikasi paralel, video dapat diamati secara langsung dan juga metrik PSNR (Peak Signal-to-Noise Ratio). Hasil yang didapatkan melalui penelitian ini adalah blok kode yang diparalelkan untuk mendapatkan nilai speedup tertinggi (waktu eksekusi terendah) untuk seluruh video yang diolah dicapai oleh program dengan implementasi komputasi paralel pada layer 1, layer 2, layer 3, layer 4, layer 5, layer 6, dan layer 7