OpenCV 에서 OpenCL 살짝 써보기
Download as PPTX, PDF26 likes20,716 views
OpenCV를 활용하는 영상처리 어플리케이션 개발자들은 항상 GPU 자원을 활용하고 싶을 것이다. 하지만 이기종 컴퓨팅 환경에서 CPU 이외의 다른 하드웨어 자원을 활용하는 것은 개발 환경 및 백그라운드 지식 등의 많은 어려움이 따른다. GPGPU 활용에 가장 상용화로 성공한 대중적인 솔루션으로는 nVidia 사의 CUDA 기술이 있지만, 그 외에도 GPGPU 자원을 쉽게 활용할 수 있는 오픈 플랫폼이 있는데 이것이 OpenCL 표준이다. 최근 하드웨어와 소프트웨어 진영에서 모두 OpenCL의 지원 및 발전이 두드러지며 점점 더 확산되는 추세이다. OpenCV 진영에서도, 3.0이 정식 릴리즈 면서 본격적으로 OpenCL을 활용하기가 한층 쉬워졌다.
OpenCV 에서 OpenCL 살짝 써보기
- 1. OpenCV 에서 OpenCL 살짝 써보기 송승화
- 2. OpenCL 이란 • 이기종 멀티코어 환경을 위한 표준 플랫폼 • Apple의 Aaftab Munshi 가 제안 • Khronos Group 에서 관리 • 현재 v2.1 명세까지 공개 • GPGPU 활용에 적합 • OpenCL C는 Ansi C를 확장하여 Streaming Programming이 가능하 도록 만든 언어로 Brook String Language에서 파생되었으며 nVidia 의 CUDA와 근원이 같아서 비슷함
- 3. 한마디로 CUDA 안 쓰고 GPGPU 쓸 수 있는 오픈 플랫폼
- 4. GPGPU 쓰고 싶은데 CUDA 디바이스 너무 비싸요 nVidia, Fxxk you nVidia에 개인적인 감정은 없습니다. 그냥 오픈 소스 진영에서 그만큼 싫어한다는 뜻이에요
- 5. OpenCL을 지원하는 회사들 CUDA 하느라 바쁨 최근에서야 겨우 1.2 드라이버 내놓음 CUDA 따라잡으려고(?) 초반부터 제일 열심히 함 임베디드에서 꽤 열심 1.2 지원 부자집 우등생 그냥 열심히 함 nVidia에 개인적인 감정은 없습니다. 그냥 오픈 소스 진영에서 그만큼 싫어한다는 뜻이에요
- 6. 그 다음 OpenCV • 가장 널리 쓰이는 영상 처리 오 픈 라이브러리 중 하나 • OpenCV 3.0 릴리즈 (2015.6.4) • Lena 이미지를 예제로 활용한 것으로 유명
- 7. 준비물 1 : GPU 또는 CPU • OpenCL 1.2 지원되는 것으로 • wikipedia 검색해서 (OpenCL 1.2 이상 지 원) 되는걸 고르면 된다. 본인 능력 닿는데 까지..
- 8. 본인이 갖고 있는 GPU가 OpenCL을 지원하 는지 GPU-Z 툴로 간단히 확인 가능 (드라이버 지원 여부에 따라 OpenCL 명세 지원이 달라지므로 버전 정 보는 이 툴에서 볼 수 없음)
- 9. 준비물 2 : OpenCL 플랫폼 • 역시 OpenCL 1.2 이상 지원되는 것! • 그냥 자기 디바이스 지원 잘되는 걸로 골 라서 Download and Install~ – AMD APP SDK – Nvidia OpenCL Driver and Tools – Intel SDK for OpenCL – IBM OpenCL Common Runtime
- 10. AMD APP 설치 후 OpenCL 디바이스 정보 확인 예시
- 11. AMD APP 설치 후 OpenCL 디바이스 정보 확인 예시
- 12. 준비물 3 : OpenCV • OpenCV 3.0 받아서 설치 http://www.opencv.org • 2.X 에서도 지원되지만 버그도 많고 deprecated version 이라고 공지가 떴으니 과감히 버리자 • 그리고 무엇보다 Transparent API 라는 새 로운 개념 도입으로 3.0을 쓰길 추천
- 14. OpenCV Transparent API • 3.0 에서 새로 도입된 인터페이스 • 기존의 전통적인 CPU 기반 코드와 API의 변화가 없이 이기종 프로세서의 자원을 그 대로 활용 가능
- 15. 출처 : opencv.org 2.X 에서 OpenCL 모듈을 사용하기 위해서 ocl:: 네 임 스페이스 안에 구현된 API를 사용한 반면, 3.0에서는 Mat 클래스 대신 UMat 을 사용하기만 하면 된다. (코드 변화가 거의 없음)
- 16. 사실은 그냥 이게 끝…;;
- 17. 예제 하나만 만들어 보자
- 18. cv::Mat matSrc_; //source image 저장하는 매트릭스 cv::UMat umatSrc_; //소스 이미지를 OpenCL 디바이스로 복사하기 위한 매트릭스 cv::UMat umatGray_; //OpenCL 디바이스에서 Gray로 변환하여 저장할 매 트릭스 umatSrc_ = matSrc_.getUMat(cv::ACCESS_READ); // 소스 이미지를 OpenCL 디바이스 영역으로 복사 얼굴 인식 Psuedo Code 1단계 : OpenCL 객체 생성 및 OpenCL 디바이스(GPU)로 이미지 복사
- 19. cv::OclCascadeClassifier cascade_; cascade_.load("./haarcascade_frontalface_default.xml"); //ocl cascade classifier 객체 생성 및 얼굴 인식 학습 데이터 로드 cv::cvtColor( umatSrc_, umatGray_, CV_BGR2GRAY ); //cvtColor 로 gray 레벨로 변환. API는 똑같지만 인자로 전달된 매트릭스 들이 UMat 이다. 이 연산은 OpenCL 디바이스 에서 이루어 진다. std::vector<cv::Rect> faces; //연산 결과가 이곳에 저장 cascade_.detectMultiScale( umatGray_, faces, 1.1, 2, CV_HAAR_SCALE_IMAGE); //cascade classifier 로 얼굴 인식 연산 수행. 역시 OpenCL 디바이스 자원 을 사용해서 수행되며 결과는 host(CPU) 영역의 face vector에 저장 얼굴 인식 Psuedo Code 2단계 : OpenCL 디바이스에서 그냥 연산
- 20. 어때요, 참 쉽죠~? cv::Mat matSrc_; cv::UMat umatSrc_; cv::UMat umatGray_; GPU로 copy Gray 변환 Haarcascade 검출기 std::vector<cv::Rect> faces Rect(x, y, w, h) CPU로 결과 복사 (얼굴 위치) CPU 영역(호스트) GPU 영역(OpenCL 디바이스)
- 21. 예제 풀 버전 • https://github.com/sshtel/opencv3_practice • 개발 환경 : Visual Studio 2013 • 추후 리눅스 환경에서의 빌드 환경도 업데이트 하겠습니다
- 22. 여기서 잠깐!! OpenCV 에서는 하나의 문맥만을 지원한다 (여기서 문맥이란 OpenCL 디바이스 자원을 활용하 는 일련의 알고리즘 및 로직을 정의하는 것)
- 23. 따라서 하나의 프로세스에서 하나의 디바이스만을 선택할 수 밖에 없다는 제한이 있다. 이런 거 있어도 다 못써요
- 24. 프로세스를 실행하기 전에 환경변수에 사용할 디바이스를 미리 설정해야 한다
- 25. 예를 들면 • 시스템이 Intel i5-4690 CPU와 AMD Radeon R7 200 GPU로 구성 • Intel CPU 에는 HD 4600 내장 그래픽 코 어도 존재 OPENCV_OPENCL_DEVICE=:CPU:0 Intel i5-4690 CPU 사용 OPENCV_OPENCL_DEVICE=:GPU:0 Intel HD4600 GPU 사용 OPENCV_OPENCL_DEVICE=:GPU:1 AMD Radeon R7 GPU 사용
- 26. 윈도우 환경 변수 설정 예시 OPENCV_OPENCL_DEVICE=:GPU:1
- 27. 프로세스 실행..
- 28. OPENCV_OPENCL_DEVICE=:GPU:1 AMD Radeon R7 200 GPU 자원 사용
- 29. OPENCV_OPENCL_DEVICE=:GPU:1 반면 HD4600 내장 그래픽 코어는 놀고 있다
- 30. 이번에는 OPENCV_OPENCL_DEVICE=:GPU:0 으로 환경 변수 설정을 해보자
- 31. 환경 변수를 바꾸면 CMD 창을 다시 띄워야 한다
- 33. OPENCV_OPENCL_DEVICE=:GPU:0 반면 Radeon 외장 그래픽 코어는 놀고 있다
- 34. 개발 툴에서 환경변수설정 (Visual studio 2013)
- 35. 개발 툴에서 환경변수설정 (Visual studio 2013)
- 36. 리눅스에선 $ export OPENCV_OPENCL_DEVICE=:GPU:1 $ ./face_detection 이렇게 하면 되겠지요?
- 37. 장점 OpenCV 에서 OpenCL을 이용하여 GPU 자원을 활용하기 참 쉽게 만들어 뒀다 어플리케이션 개발자는 알고리즘에 집중하고 어떤 연산을 어떤 디바이스에 Offload 시킬지 여부만 고 민하면 된다
- 38. 단점 TAPI로 개발 편의성과 코드 호환성을 높였지만 하나의 OpenCL 디바이스만 사용 가능 하지만 향후 멀티 디바이스를 지원한다고 한다
- 39. 결론 쉽게 GPGPU 쓰자