Формалізований метод оптимізації використання оперативної памʼяті в системах пошуку зображень на основі вмісту

Ключові слова: інформаційні технології, оптимізація продуктивності, типи даних, структури даних, оперативна пам’ять, пошук зображень на основі вмісту, GraalVM, Java, нативна компіляція

Анотація

У статті запропоновано формалізований метод оптимізації використання оперативної памʼяті в системах пошуку зображень за вмістом, реалізованих мовою Java. Метод поєднує два підходи: низькорівневу оптимізацію структур даних та компіляцію застосунку у нативний код за допомогою GraalVM. В основі методу – аналіз типових структур, які використовуються для зберігання дескрипторів зображень, і їх заміна на ефективні по використанню пам’яті еквіваленти на рівні мови програмування. Крім того, нативна компіляція дозволяє скоротити додаткові витрати на виконання і зменшити загальне споживання памʼяті під час виконання програмного коду. Метод оцінено на прикладі моделі Multidimensional Cube, що передбачає зберігання векторних дескрипторів у оперативній памʼяті. Наведено теоретичні формули для оцінки використання памʼяті залежно від структури представлення даних, а також результати експериментального профілювання. Вказано на недоліки та обмеження, які виникають при використанні запропонованого методу: збільшення часу та кількості ресурсів на етапі компіляції та неможливість використання деяких програмних бібліотек. Оптимізована реалізація демонструє до 3-кратного зниження використання оперативної памʼяті і прискорення обробки, а GraalVM забезпечує додаткове зменшення до 73%. Запропонований метод може бути застосований в інших CBIR-системах і в ширшому класі задач, пов’язаних із зберіганням великої кількості векторних структур у памʼяті. Оскільки інші мови програмування мають подібні структури даних та/або підтримку зі сторони GraalVM.

Посилання

1. Wang Y.-C., Yang T.-T., Wang H.-W., Yan B.-C., Chen B. AVATAR: Robust Voice Search Engine Leveraging Autoregressive Document Retrieval and Contrastive Learning. 2023 Asia Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC). Taipei, Taiwan, 2023. С. 2331–2335.
2. Li X., Yang J., Ma J. Recent developments of content-based image retrieval (CBIR). Neurocomputing. 2021. Т. 452. С. 675–689.
3. Chung I.K.Y., Tran M., Nussinovitch E. Scaling Cross-Domain Content-Based Image Retrieval for E-commerce Snap and Search Application. 2022.
4. Gupta D., Loane R., Gayen S., Demner-Fushman D. Medical image retrieval via nearest neighbor search on pre-trained image features. Knowledge-Based Systems. 2023. Т. 278.
5. Kumar N., How Many Google Searches Per Day. DemandSage. 2025
Опубліковано
2025-09-19
Як цитувати
Даниленко, С. Д., & Смеляков , С. В. (2025). Формалізований метод оптимізації використання оперативної памʼяті в системах пошуку зображень на основі вмісту. КОМП’ЮТЕРНО-ІНТЕГРОВАНІ ТЕХНОЛОГІЇ: ОСВІТА, НАУКА, ВИРОБНИЦТВО, (60), 129-138. https://doi.org/10.36910/6775-2524-0560-2025-60-13
Розділ
Інформатика та обчислювальна техніка