Tesla

GPU pour la Défense et le Renseignement

 
 

Les industries de la Défense et du Renseignement requièrent d'accéder rapidement à des informations précises dans leurs opérations stratégiques quotidiennes. La collecte et l'évaluation des données - provenant de sources aussi variées que des satellites, des drones, des caméras de surveillance et des radars - sont des caractéristiques essentielles de ces activités. La conversion des données brutes en informations exploitables exige de mettre en place d'importantes infrastructures et ressources (en termes de personnel, de matériel, de logiciels, d'alimentation et de locaux) qui, par définition, ne sont pas illimitées. Les cartes graphiques NVIDIA changent la donne et renforcent la productivité tout en réduisant les coûts opérationnels et énergétiques. L'utilisation des GPU NVIDIA permet de décupler la puissance de traitement des centres de calcul haute performance et des instituts de recherche dans le monde entier. Il est ainsi possible de répondre aux exigences de la communauté scientifique et d'optimiser la puissance de calcul des infrastructures informatiques.

Les graphiques ci-après présentent les performances constatées avec NPP et CuFFT.

Performances des GPU NVIDIA Performances des GPU NVIDIA

L'accélération GPU permet d'améliorer les performances de calcul dans de nombreux champs d'application :

Traitement des images Les techniques de traitement des images sont de plus en plus utilisées dans les industries de la Défense et du Renseignement. Le volume d'images que les professionnels doivent traiter est sans précédent et ne cesse d'augmenter. Par exemple, les images géospatiales transmises par les satellites couvrent jusqu'à cinq fois la surface terrestre. Par ailleurs, la base de données du FBI contient plus de 100 millions d'images d'empreintes digitales. Les GPU permettent d'accélérer les workflows de traitement des images, notamment en matière de géorectification, d'algorithmes de filtrage, de détection des changements et de reconstruction 3D. Consultez notre étude de cas sur Digital Globe pour en savoir plus sur l'impact des GPU dans l'optimisation des mesures de secours aux sinistrés (dossier en anglais).

Vidéosurveillance: Le marché international de la vidéosurveillance devrait peser plus de 25 milliards de dollars d'ici 2016. Chaque mois, le Département de la Défense des États-Unis collecte plus de 10 000 heures de contenus par surveillance aérienne en Afghanistan et en Iraq. Ces vidéos doivent être traitées et analysées en temps réel. Les GPU sont un outil exceptionnel permettant de gérer les contenus en temps réel afin de traiter les vidéos et d'exécuter de puissants algorithmes d'analyse.

Traitement des signaux: Les capacités des systèmes de détection modernes ne cessent de s'améliorer. Cependant, plus le volume d'informations augmente, plus leur traitement requiert une grande puissance de calcul. Les GPU permettent d'améliorer la rapidité de traitement des données transmises par les systèmes de détection, et de les intégrer en temps réel à d'autres sources afin d'enrichir les environnements de travail des services de Défense. Consultez notre étude de cas sur OpCoast pour en savoir plus sur l'impact des GPU dans le renforcement de l'efficacité des brouilleurs radio (dossier en anglais).

Produits


Démos:

Luciad:

Cette vidéo présente l'écart de performances entre les systèmes accélérés par des GPU NVIDIA et les systèmes uniquement basés sur le traitement CPU. L’application présentée dans la vidéo calcule la ligne de vision afin d’évaluer la visibilité d’une zone géographique spécifique, ce qui permet aux analystes de déterminer rapidement les paramètres terrestres, aériens et radar pour évaluer des données comme le placement optimal des positions radar. Les zones à visibilité limitée sont signalées en vert et les zones à bonne visibilité sont signalées en rouge.

MotionDSP:

Cette vidéo présente le processus requis pour transformer les vidéos de basse qualité capturées par les drones militaires en données exploitables par les équipes d'analystes. De nombreux algorithmes de traitement vidéo sont appliqués pour améliorer la qualité et la clarté des images. Ces algorithmes requièrent tous une grande puissance de traitement, plus particulièrement pour les procédures de calcul en temps réel. À droite, vous pouvez voir le nombre de flops nécessaires pour le traitement vidéo. Une fois l’image nettoyée, l’analyse peut commencer et devrait normalement permettre de distinguer les personnes sur le bateau et les cibles en mouvement. Seule l’accélération GPU permet d’effectuer ces procédures en temps réel.

Imagus:

Cette vidéo présente les capacités de reconnaissance faciale en temps réel offertes par les GPU NVIDIA. La caméra capture les personnes traversant l’entrée du bâtiment. Les images de leur visage sont automatiquement comparées à celles de la base de données afin de les identifier.




 
 
FacebookTwitterGoogle+LinkedInPinterest