@conference{oh2018edgecnn,

title = {EdgeCNN: Image classification with edge detection and deep convolutional neural network for portable medical imaging systems},

author = {S Oh and M Kim and D Kim and M Jeong and M Lee},

year  = {2018},

date = {2018-01-01},

urldate = {2018-01-01},

booktitle = {Basic & Clinical Pharmacology & Toxicology},

volume = {123},

pages = {36--36},

organization = {WILEY 111 RIVER ST, HOBOKEN 07030-5774, NJ USA},

keywords = {},

pubstate = {published},

tppubtype = {conference}

}

@conference{kim2018decentralized,

title = {Decentralized Message Broker Federation Architecture with Multiple DHT Rings for High Survivability},

author = {Minsub Kim and Minho Bae and Sangho Yeo and Gyudong Park and Sangyoon Oh},

year  = {2018},

date = {2018-01-01},

urldate = {2018-01-01},

booktitle = {International Conference on Computational Science and Its Applications},

pages = {218--226},

organization = {Springer},

keywords = {},

pubstate = {published},

tppubtype = {conference}

}

@conference{oh2017investigation,

title = {Investigation on performance and energy efficiency of CNN-based object detection on embedded device},

author = {Sangyoon Oh and Minsub Kim and Donghoon Kim and Minjoong Jeong and Minsu Lee},

year  = {2017},

date = {2017-01-01},

urldate = {2017-01-01},

booktitle = {2017 4th International Conference on Computer Applications and Information Processing Technology (CAIPT)},

pages = {1--4},

organization = {IEEE},

keywords = {},

pubstate = {published},

tppubtype = {conference}

}

@conference{김민섭2017embedded,

title = {Embedded GPU 환경에서의 병렬 컴퓨터 비전 라이브러리의 비교: OpenCV 와 VisionWorks},

author = {김민섭 and 여상호 and 오상윤 and 정민중},

url = {https://www.dbpia.co.kr/pdf/pdfView.do?nodeId=NODE07207146&mark=0&useDate=&ipRange=N&accessgl=Y&language=ko_KR},

year  = {2017},

date = {2017-01-01},

urldate = {2017-01-01},

booktitle = {2017년 한국컴퓨터종합학술대회},

journal = {한국정보과학회 학술발표논문집},

pages = {97--99},

abstract = {컴퓨터 비전 및 인공지능 어플리케이션은 기존의 서버 및 데스크탑 환경에서 최근 임베디드 시스템으로 확산되고 있다. 일반적으로 컴퓨터 비전 관련 데이터 처리들은 많은 계산이 필요하기 때문에 병렬 계산 패러다임의 적용이 효과적이다. 본 논문에서는 대표적인 병렬 컴퓨터 비전 라이브러리인 OpenCV GPU 모듈과 VisionWorks의 처리 성능 및전력 소모량을 임베디드 환경에서 비교하고 특성과 제한점을 분석하도록 한다. 본 연구의 실험을 통해서 Defaultstream만을 사용한 OpenCV GPU 어플리케이션보다 VisionWorks 어플리케이션이 더 좋은 성능을 나타냄을 보였으나,OpenCV의 경우 개발자에 의한 커널 배치 방식에 따라 성능을 달리하므로 추가적인 성능 개선의 여지가 있을 것으로판단된다. 전력 소모량은 두 라이브러리 모두 GPU가 부착된 임베디드 시스템에서의 사용에 적절한 수준으로 판단된다.},

keywords = {},

pubstate = {published},

tppubtype = {conference}

}