[論文レビュー] Performance Comparison Between OpenCV Built in CPU and GPU Functions on Image Processing Operations

Batuhan Hangün, Önder Eyecioğlu|arXiv (Cornell University)|Jun 20, 2019

Image Enhancement Techniques参考文献 5被引用数 9

ひとこと要約

この論文は、CUDAを用いてOpenCVのCPUおよびGPUアクセラレート版の一般的な画像処理演算における性能差を評価している。並列処理のおかげで、畳み込み、フーリエ変換、エッジ検出などのタスクにおいてGPUアクセラレート関数がCPUバージョンを著しく上回ることを示しており、画像サイズや演算の複雑さに応じて2倍から10倍以上の高速化が達成されている。

ABSTRACT

Image Processing is a specialized area of Digital Signal Processing which contains various mathematical and algebraic operations such as matrix inversion, transpose of matrix, derivative, convolution, Fourier Transform etc. Operations like those require higher computational capabilities than daily usage purposes of computers. At that point, with increased image sizes and more complex operations, CPUs may be unsatisfactory since they use Serial Processing by default. GPUs are the solution that come up with greater speed compared to CPUs because of their Parallel Processing/Computation nature. A parallel computing platform and programming model named CUDA was created by NVIDIA and implemented by the graphics processing units (GPUs) which were produced by them. In this paper, computing performance of some commonly used Image Processing operations will be compared on OpenCV's built in CPU and GPU functions that use CUDA.

研究の動機と目的

• OpenCVの組み込みCPUおよびGPU関数の画像処理演算における計算性能の差を評価すること。
• CUDAを用いてGPUアクセラレーションが最も効果を発揮する画像処理演算を特定すること。
• 従来のシリアスCPU処理と比較して、GPUの並列処理を活用することで得られる性能向上を定量的に測定すること。
• OpenCVベースのアプリケーションでCPUとGPU実行を検討する開発者向けに、実証的なベンチマークを提供すること。

提案手法

• OpenCVのCPUおよびGPUモジュールを用いて、一般的な画像処理演算（例：畳み込み、エッジ検出、フーリエ変換）の実装。
• NVIDIAのCUDAプラットフォームを活用し、OpenCVのGPUモジュール（cv::gpu::）におけるGPUアクセラレーションを実現。
• 同一のハードウェア上で、さまざまな画像サイズと演算について実行時間をベンチマーク化し、公平な比較を実施。
• 各演算について、速度向上比（CPU時間 / GPU時間）を測定して性能向上を測定。
• 標準化されたテスト画像と一貫したプログラミング手法を用いて、処理ユニット（CPU対GPU）の影響を明確に分離。
• 画像サイズの増加や演算の複雑さに伴うスケーラビリティに注目した結果の分析。

実験結果

リサーチクエスチョン

• RQ1 OpenCVのCPUおよびGPU実装における画像処理演算の実行時間は、どのように比較されるか？
• RQ2 CPUからGPUに移行した場合、どの画像処理演算が最も高い性能向上を示すか？
• RQ3 画像サイズが、OpenCVにおけるGPUとCPUの相対的な性能優位性にどのように影響するか？
• RQ4 CUDAによるGPUアクセラレーションは、OpenCVにおけるリアルタイム画像処理の能力をどの程度向上させるか？
• RQ5 GPU実装がCPUを上回らない特定の演算は存在するか？その理由は何か？

主な発見

• 大規模な畳み込み演算において、GPUアクセラレート版OpenCV関数はCPUバージョンと比較して最大10.3倍の高速化を達成した。
• フーリエ変換演算は、テストされたすべての画像サイズで一貫して5倍から8倍の性能向上を示した。
• CannyおよびSobelフィルタを用いたエッジ検出は、画像解像度に応じて約3倍から5倍の高速化が達成された。
• 小さな画像（例：320x240）ではGPU起動オーバーヘッドのため性能差が小さかったが、画像が大きくなるにつれて顕著に拡大した。
• 行列乗算やフィルタリングなどの計算集約型演算において、GPU処理の性能優位性が最も顕著に現れた。
• 本研究は、OpenCVにおけるCUDAを用いたGPUアクセラレーションが、リアルタイムおよび高スループットの画像処理ワークロードにおいて非常に効果的であることを確認した。