[논문 리뷰] Performance Comparison Between OpenCV Built in CPU and GPU Functions on Image Processing Operations

Batuhan Hangün, Önder Eyecioğlu|arXiv (Cornell University)|2019. 06. 20.

Image Enhancement Techniques참고 문헌 5인용 수 9

한 줄 요약

이 논문은 CUDA를 사용하여 OpenCV의 CPU 및 GPU 가속 구현 간에 일반적인 이미지 처리 연산에서 성능 차이를 평가한다. 병렬 처리 덕분에 컨볼루션, 푸리에 변환, 에지 검출과 같은 작업에서 GPU 가속 기능이 CPU 버전보다 뚜렷하게 뛰어나며, 이미지 크기와 연산 복잡도에 따라 2배에서 10배 이상의 속도 향상이 이루어진다.

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.

연구 동기 및 목표

• 이미지 처리 연산에 대해 OpenCV의 내장 CPU 및 GPU 기능 간의 계산 성능 차이를 평가하기 위해.
• CUDA를 사용하여 GPU 가속 처리에서 가장 유리한 이미지 처리 연산을 특정하기 위해.
• 기존의 순차적 CPU 처리 방식에 비해 GPU에서 병렬 처리를 활용함으로써 얻는 성능 향상을 정량화하기 위해.
• OpenCV 기반 애플리케이션에서 CPU 또는 GPU 실행을 선택할 때 개발자를 위한 실증적 벤치마크를 제공하기 위해.

제안 방법

• OpenCV의 CPU 및 GPU 모듈을 사용하여 일반적인 이미지 처리 연산(예: 컨볼루션, 에지 검출, 푸리에 변환)을 구현하기 위해.
• NVIDIA의 CUDA 플랫폼을 활용하여 OpenCV의 GPU 모듈(cv::gpu::)에서 GPU 가속을 가능하게 하기 위해.
• 동일한 하드웨어에서 다양한 이미지 크기와 연산에 대해 실행 시간을 벤치마크하여 공정한 비교를 확보하기 위해.
• 각 연산에 대해 속도 향상 비율(CPU 시간 / GPU 시간)을 측정하여 성능 향상을 측정하기 위해.
• 처리 단위(CPU 대 GPU)의 영향을 분리하기 위해 표준 테스트 이미지와 일관된 프로그래밍 관행을 사용하기 위해.
• 이미지 차원과 연산 복잡도 증가에 따른 확장성에 중점을 두고 결과를 분석하기 위해.

실험 결과

연구 질문

• RQ1 OpenCV의 이미지 처리 연산에 대한 CPU 및 GPU 구현 간 실행 시간은 어떻게 비교되는가?
• RQ2 CPU에서 GPU로 이관했을 때 성능 향상이 가장 두드러지는 이미지 처리 연산은 무엇인가?
• RQ3 이미지 크기가 OpenCV에서 GPU 대 CPU의 상대적 성능 이점을 어떻게 영향을 미치는가?
• RQ4 CUDA를 통한 GPU 가속 처리가 OpenCV에서 실시간 이미지 처리 능력을 얼마나 향상시키는가?
• RQ5 GPU 구현이 CPU를 능가하지 못하는 특정 연산이 존재하는가? 만약 그렇다면 그 이유는 무엇인가?

주요 결과

• 대규모 컨볼루션 연산에 대해 GPU 가속 OpenCV 기능은 CPU 버전 대비 최대 10.3배의 속도 향상을 달성했다.
• 푸리에 변환 연산은 테스트된 모든 이미지 크기에서 일관되게 5배에서 8배의 성능 향상을 보였다.
• Canny 및 Sobel 필터를 사용한 에지 검출은 이미지 해상도에 따라 약 3배에서 5배의 속도 향상을 GPU에서 달성했다.
• 작은 이미지(예: 320x240)의 경우 GPU 실행 오버헤드로 인해 성능 격차가 작았지만, 더 큰 이미지로 갈수록 격차가 크게 벌어졌다.
• 행렬 곱셈 및 필터링과 같은 계산 집약적인 작업에서 GPU 처리의 성능 이점이 가장 두드러졌다.
• 이 연구는 OpenCV에서 CUDA를 통한 GPU 가속 처리가 실시간 및 고스루풋 이미지 처리 워크로드에 매우 효과적임을 확인한다.