Sign In

Hardware Utilization and Inference Performance of Edge Object Detection Under Fault Injection

μž‘μ„±μž
  • Haebom
μΉ΄ν…Œκ³ λ¦¬
Empty

μ €μž

Faezeh Pasandideh, Mehdi Azarafza, Achim Rettberg

πŸ’‘ κ°œμš”

자율 μ£Όν–‰ μ‹œμŠ€ν…œμ—μ„œ μ œμ•½λœ μžμ›μ„ κ°€μ§„ μ—£μ§€ ν”Œλž«νΌμ— λ”₯λŸ¬λ‹ λͺ¨λΈμ΄ 배포됨에 따라, λ¦¬μ†ŒμŠ€ μ €ν•˜ μƒν™©μ—μ„œμ˜ ν•˜λ“œμ›¨μ–΄ λ™μž‘μ— λŒ€ν•œ μ‹ λ’°ν•  수 μžˆλŠ” 이해가 ν•„μˆ˜μ μž…λ‹ˆλ‹€. λ³Έ μ—°κ΅¬μ—μ„œλŠ” NVIDIA Jetson Nanoμ—μ„œ TensorRT둜 μ΅œμ ν™”λœ YOLOv10s, YOLOv11s, YOLO2026n νŒŒμ΄ν”„λΌμΈμ— λŒ€ν•œ λŒ€κ·œλͺ¨ 였λ₯˜ μ£Όμž… μΊ νŽ˜μΈμ„ 톡해 CPU λΆ€ν•˜, GPU ν™œμš©λ₯ , RAM μ‚¬μš©λŸ‰, μ „λ ₯ μ†Œλͺ¨, μ²˜λ¦¬λŸ‰, μ—΄ λ™μž‘μ„ μ²΄κ³„μ μœΌλ‘œ λΆ„μ„ν–ˆμŠ΅λ‹ˆλ‹€.

πŸ”‘ μ‹œμ‚¬μ  및 ν•œκ³„

β€’
TensorRT μ΅œμ ν™”λœ YOLO νŒŒμ΄ν”„λΌμΈμ€ GPU μ μœ μœ¨μ„ μ•ˆμ •μ μœΌλ‘œ μœ μ§€ν•˜κ³ , μ˜¨λ„ μƒμŠΉμ„ μ œμ–΄ν•˜λ©°, μ „λ ₯ μ†Œλͺ¨λ₯Ό μ•ˆμ „ν•œ ν•œκ³„ λ‚΄μ—μ„œ μœ μ§€ν•˜λŠ” κ²ƒμœΌλ‘œ λ‚˜νƒ€λ‚¬μŠ΅λ‹ˆλ‹€.
β€’
초기 μ›Œλ°μ—… 이후 λ©”λͺ¨λ¦¬ μ‚¬μš©λŸ‰μ€ μΌκ΄€λœ ν•΄μ œ νŒ¨ν„΄μ„ 보이며, μž…λ ₯ 데이터가 μ‹¬ν•˜κ²Œ μ €ν•˜λ˜λ”λΌλ„ νŒŒμ΄ν”„λΌμΈμ΄ 잘 μž‘λ™ν•¨μ„ ν™•μΈν–ˆμŠ΅λ‹ˆλ‹€.
β€’
객체 탐지 μž‘μ—…μ΄ λ©”λͺ¨λ¦¬ 및 μ—΄ λ™μž‘μ—μ„œ λ‹€μ†Œ 더 큰 변동성을 λ³΄μ˜€μ§€λ§Œ, μ „λ°˜μ μœΌλ‘œ TensorRT νŒŒμ΄ν”„λΌμΈμ˜ 견고성을 μž…μ¦ν–ˆμŠ΅λ‹ˆλ‹€.
β€’
λ³Έ μ—°κ΅¬λŠ” λͺ¨λΈμ˜ 신뒰성에 λŒ€ν•œ ν•˜λ“œμ›¨μ–΄ μˆ˜μ€€μ˜ 톡찰λ ₯을 μ œκ³΅ν•˜λ©°, μ—£μ§€μ—μ„œμ˜ μΆ”λ‘  μ„±λŠ₯에 μ΄ˆμ μ„ 맞좘 κΈ°μ‘΄ 연ꡬ와 μƒν˜Έ 보완적인 관계에 μžˆμŠ΅λ‹ˆλ‹€.
πŸ‘