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


