Lesson:performance optimization of object tracking algorithms in opencv on gpus 8158d2ec
| 제목 | Performance Optimization of Object Tracking Algorithms in OpenCV on GPUs |
|---|---|
| 궁금했던 점 | OpenCV GPU의 Haar/LBP object detection과 Farnebäck optical flow에서 register pressure, 낮은 occupancy, kernel launch/data-transfer 병목을 어떻게 줄일 것인가? |
| 해본 것 | 프로파일링 후 일부 변수를 VGPR에서 LDS로 이동해 occupancy를 높이고 global work size/wavefront 수를 조정한다. work size가 같은 Farnebäck kernel들을 병합해 launch와 중간 데이터 이동을 줄인다. |
| 당시 조건 | Publication scope: international. Lab publication metadata:
1. Jaehyun Song, Hwanjin Jeong, Jinkyu Jeong, "Performance Optimization of Object Tracking Algorithms in OpenCV on GPUs," Applied Sciences, Vol. 12, Issue 15, pp. 7801, 2022, doi.org/10.3390/app12157801 Verification level: full_text. Sources checked: https://www.mdpi.com/2076-3417/12/15/7801 https://doi.org/10.3390/app12157801 |
| 실제 결과 | object detection 전체 성능은 최대 86%, optical flow는 최대 10% 향상.
Haar 최적화는 평균 wave throughput을 APU 67%, discrete GPU 77% 높였고 개별 전체 성능은 각각 최대 73%, 86% 향상. LBP 전체 성능은 APU 최대 31%, discrete GPU 최대 21% 향상. |
| 왜 그랬는지 | 저자들은 병목 위치 파악과 기법 적용을 프로그래머가 수동으로 해야 한다고 명시하고 자동 profiler/compiler 지원을 향후 과제로 둔다.
두 GPU 환경과 선택한 OpenCV algorithm/kernel에 대한 결과라 다른 GPU 세대·vision pipeline에는 재프로파일링이 필요하다. Technical interpretation: GPU 최적화는 연산식만 바꾸기보다 register pressure→occupancy와 다단계 kernel launch/transfer를 함께 측정해 메모리 계층 이동과 kernel fusion을 선택해야 한다. |
| 다음에 기억할 것 | GPU 최적화는 연산식만 바꾸기보다 register pressure→occupancy와 다단계 kernel launch/transfer를 함께 측정해 메모리 계층 이동과 kernel fusion을 선택해야 한다. |
| 언제 맞는지 | OpenCL/OpenCV의 고정 vision kernel 최적화에 높고, 자동화 없이는 유지보수 비용이 큼. |
| 신뢰도 | 높음 |
| 관련 자료 | Publication record 1: Jaehyun Song, Hwanjin Jeong, Jinkyu Jeong, "Performance Optimization of Object Tracking Algorithms in OpenCV on GPUs," Applied Sciences, Vol. 12, Issue 15, pp. 7801, 2022, doi.org/10.3390/app12157801 |
| 자료 출처 | 우리 기록 |
| 작성자 | S3ResearchAgent |
| 처음 작성한 시각 (UTC) | 2026-07-16T15:03:09.522695Z |
| 마지막 수정 시각 (UTC) | 2026-07-18T14:58:51.823701Z |
근거 ev_1ef24da2441c4586: Jaehyun Song, Hwanjin Jeong, Jinkyu Jeong, "Performance Optimization of Object Tracking Algorithms in OpenCV on GPUs," Applied Sciences, Vol. 12, Issue 15, pp. 7801, 2022, doi.org/10.3390/app12157801
(원문 열기)
논문 · 확인 범위: 기록 안 됨 · S3ResearchAgent · 2026-07-16T15:03:10.449599Z
Source: Yonsei University Computer Systems Laboratory publication list supplied by the user. Manifestation 1 of 1.
근거 canonical-paper-v2-8158d2ec: Jaehyun Song, Hwanjin Jeong, Jinkyu Jeong, "Performance Optimization of Object Tracking Algorithms in OpenCV on GPUs" Applied Sciences, Vol. 12, Issue 15, pp. 7801, 2022, doi.org/10.3390/app12157801
(원문 열기)
논문 · 확인 범위: 원문 확인 · S3ResearchAgent · 2026-07-18T05:33:26.273713Z
정본 Lesson 보강 근거. 검토 원본: Lesson:technical_review_performance_optimization_of_object_tracking_algorithms_in_opencv_on_gpus_09f20f75. 확인 범위: full_text. 확인한 자료: https://www.mdpi.com/2076-3417/12/15/7801 ; https://doi.org/10.3390/app12157801. 질문, 방법, 평가, 해석, 재사용 교훈, 적용 범위와 한계를 같은 Lesson 본문에 통합했습니다.
자료 검증 verify_05296e57c94bfd6617d3:
ev_1ef24da2441c4586 ·
판단 보류
확인 범위: 서지정보만 확인 · 주장: context · S3ResearchAgent · 2026-07-18T14:58:51.685962Z
자료: R2-RESTIC:7f893ca5afd2cfb6fe320e9b61063ccc70e75a7a96589420038c8cf338b273be; archive-manifest-sha256=e28171fb69e141ce306d92dfe4b10e6cdc6e81d4fa910c30a846204dbcf8edf8; sha256=689990da723c183d73e5102f6b5a7c8972497dfa210f09dd79bb20472fb857d5 / 위치: 보존 파일 manifest.json
수집 manifest의 실패 원장만 보존되어 원문 주장을 검증하지 못함.
자료 검증 verify_e37fc1f64494763c55d7:
canonical-paper-v2-8158d2ec ·
지지함
확인 범위: 원문 확인 · 주장: observation,interpretation,reusable_lesson · S3ResearchAgent · 2026-07-18T14:58:51.823701Z
자료: R2-RESTIC:7f893ca5afd2cfb6fe320e9b61063ccc70e75a7a96589420038c8cf338b273be; archive-manifest-sha256=e28171fb69e141ce306d92dfe4b10e6cdc6e81d4fa910c30a846204dbcf8edf8; sha256=b1920b60b0e3fe3cc166d5973887aa2149e9c081d59cfd113c201a70a7af7a2a; independently adjudicated claim-bearing primary source / 위치: Abstract; Sections 1, 3, 4, 5.1-5.3, and 6; Figure 9 and Table 7; Figures 10-11.
observation=supported; interpretation=supported; reusable_lesson=supported