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.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2026.5
- 수록면
- 197 - 204 (8page)
이용수
초록· 키워드
본 연구는 자율주행 환경에서 요구되는 실시간 객체 인식 성능을 충족하기 위해 경량 YOLO 모델의 구조적 효율성과 CPU 기반 추론 성능을 비교·분석하였다. 기존 연구는 주로 GPU 환경 또는 전체 처리 시간에 의존하여 모델을 평가함으로써, 엣지 디바이스 특유의 제한된 연산 자원과 폴백(fallback) 상황을 충분히 반영하지 못하는 한계가 있었다. 이에 본 연구는 GPU 가속이 불가능한 환경을 가정하고, YOLOv5n과 YOLOv8n을 동일한 하드웨어 및 하이퍼파라미터 조건에서 실행하여 순수 추론 시간과 프레임 처리 안정성을 중점적으로 측정하였다. 또한 모델 크기, 연산 구조, 메모리 접근 패턴이 CPU 성능에 미치는 영향을 함께 분석하였다. 실험 결과, YOLOv8n은 C2f 모듈과 Anchor-free 구조로 인해 연산 복잡도가 증가하면서 CPU 환경에서 추론 지연이 크게 발생하였고, 프레임 처리 속도 역시 변동성이 크게 나타났다. 반면 YOLOv5n은 비교적 단순한 연산 흐름과 낮은 메모리 대역폭 요구로 인해 더 빠른 응답성과 안정적인 프레임레이트를 유지하였다. 이러한 결과를 바탕으로 본 연구는 자율주행용 엣지 컴퓨팅 환경에서 정확도와 지연 시간 간의 균형을 고려한 모델 선택 기준을 제시하며, 안전성 중심의 경량 모델 설계 및 적용에 대한 실질적인 근거를 제공한다.
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
목차
- 요약
- Abstract
- Ⅰ. 서론
- Ⅱ. 기존 연구
- Ⅲ. YOLOv5n과 YOLOv8n의 아키텍처와 성능 영향요소
- IV. 실험 및 결과
- Ⅴ. 결론
- References
참고문헌
참고문헌 신청최근 본 자료
