modules/ocl/perf/perf_ml.cpp

   1 /*M///////////////////////////////////////////////////////////////////////////////////////
   2 //
   3 //  IMPORTANT: READ BEFORE DOWNLOADING, COPYING, INSTALLING OR USING.
   4 //
   5 //  By downloading, copying, installing or using the software you agree to this license.
   6 //  If you do not agree to this license, do not download, install,
   7 //  copy or use the software.
   8 //
   9 //
  10 //                           License Agreement
  11 //                For Open Source Computer Vision Library
  12 //
  13 // Copyright (C) 2010-2012, Multicoreware, Inc., all rights reserved.
  14 // Copyright (C) 2010-2012, Advanced Micro Devices, Inc., all rights reserved.
  15 // Third party copyrights are property of their respective owners.
  16 //
  17 // @Authors
  18 //    Jin Ma, jin@multicorewareinc.com
  19 //    Xiaopeng Fu, fuxiaopeng2222@163.com
  20 // Redistribution and use in source and binary forms, with or without modification,
  21 // are permitted provided that the following conditions are met:
  22 //
  23 //   * Redistribution's of source code must retain the above copyright notice,
  24 //     this list of conditions and the following disclaimer.
  25 //
  26 //   * Redistribution's in binary form must reproduce the above copyright notice,
  27 //     this list of conditions and the following disclaimer in the documentation
  28 //     and/or other oclMaterials provided with the distribution.
  29 //
  30 //   * The name of the copyright holders may not be used to endorse or promote products
  31 //     derived from this software without specific prior written permission.
  32 //
  33 // This software is provided by the copyright holders and contributors as is and
  34 // any express or implied warranties, including, but not limited to, the implied
  35 // warranties of merchantability and fitness for a particular purpose are disclaimed.
  36 // In no event shall the Intel Corporation or contributors be liable for any direct,
  37 // indirect, incidental, special, exemplary, or consequential damages
  38 // (including, but not limited to, procurement of substitute goods or services;
  39 // loss of use, data, or profits; or business interruption) however caused
  40 // and on any theory of liability, whether in contract, strict liability,
  41 // or tort (including negligence or otherwise) arising in any way out of
  42 // the use of this software, even if advised of the possibility of such damage.
  43 //
  44 //M*/
  45 #include "perf_precomp.hpp"
  46 using namespace perf;
  47 using namespace std;
  48 using namespace cv::ocl;
  49 using namespace cv;
  50 using std::tr1::tuple;
  51 using std::tr1::get;
  52 ////////////////////////////////// K-NEAREST NEIGHBOR ////////////////////////////////////
  53 static void genData(Mat& trainData, Size size, Mat& trainLabel = Mat().setTo(Scalar::all(0)), int nClasses = 0)
  54 {
  55     trainData.create(size, CV_32FC1);
  56     randu(trainData, 1.0, 100.0);
  57
  58     if(nClasses != 0)
  59     {
  60         trainLabel.create(size.height, 1, CV_8UC1);
  61         randu(trainLabel, 0, nClasses - 1);
  62         trainLabel.convertTo(trainLabel, CV_32FC1);
  63     }
  64 }
  65
  66 typedef tuple<int> KNNParamType;
  67 typedef TestBaseWithParam<KNNParamType> KNNFixture;
  68
  69 PERF_TEST_P(KNNFixture, KNN,
  70             testing::Values(1000, 2000, 4000))
  71 {
  72     KNNParamType params = GetParam();
  73     const int rows = get<0>(params);
  74     int columns = 100;
  75     int k = rows/250;
  76
  77     Mat trainData, trainLabels;
  78     Size size(columns, rows);
  79     genData(trainData, size, trainLabels, 3);
  80
  81     Mat testData;
  82     genData(testData, size);
  83     Mat best_label;
  84
  85     if(RUN_PLAIN_IMPL)
  86     {
  87         TEST_CYCLE()
  88         {
  89             CvKNearest knn_cpu;
  90             knn_cpu.train(trainData, trainLabels);
  91             knn_cpu.find_nearest(testData, k, &best_label);
  92         }
  93     }else if(RUN_OCL_IMPL)
  94     {
  95         cv::ocl::oclMat best_label_ocl;
  96         cv::ocl::oclMat testdata;
  97         testdata.upload(testData);
  98
  99         OCL_TEST_CYCLE()
 100         {
 101             cv::ocl::KNearestNeighbour knn_ocl;
 102             knn_ocl.train(trainData, trainLabels);
 103             knn_ocl.find_nearest(testdata, k, best_label_ocl);
 104         }
 105         best_label_ocl.download(best_label);
 106     }else
 107         OCL_PERF_ELSE
 108     SANITY_CHECK(best_label);
 109 }