인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
엣지 AI 가속기 시장이 급성장함에 따라 실시간 객체탐지를 위한 최적의 이기종 플랫폼 선택이 중요한 과제가 되었다. 그러나 제조사가 제공하는 TOPS 수치는 이론적 최대치로, 실제 성능을 반영하지 못한다. 본 연구에서는 저비용 이기종 엣지 AI 가속기 4종(Jetson Orin Nano Super, Jetson Orin NX, Hailo-8 M.2, Rockchip RK3588)을 대상으로 YOLO 계열 객체탐지 모델의 추론 성능과 비용 효율성을 비교 분석하였다. 실험 결과, YOLOv8s 기준 Hailo-8이 101.2 FPS로 Jetson 대비 약 4.6배 빠른 성능을 보였으며, YOLOv8n 기준 RK3588이 34.6 FPS로 Orin NX와 Orin Nano Super를 능가하였다. 비용 효율성(달러당 FPS)에서 RK3588과 Hailo-8이 Jetson 대비 2.2-7.8배 우수하였다. 특히 NMS-free 아키텍처의 YOLOv10n이 RK3588 NPU에서 13.0 FPS의 저조한 성능을 보여, 모델-가속기 호환성의 중요성을 확인하였다. 본 연구는 엣지 AI 플랫폼 선택을 위한 비용 효율성 지표 프레임워크를 제시한다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-096811606
