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
- 2025.03
- 수록면
- 460 - 468 (9page)
- DOI
- 10.7840/kics.2025.50.3.460
이용수
초록· 키워드
오류제보하기
Edge computing offers a promising solution to the latency issues inherent in centralized cloud processing, particularly for industrial Internet of Things (IIoT) applications. However, the limited computational capabilities of edge devices pose challenges to optimal artificial intelligence (AI) workload performance. This study provides a comparative performance analysis of several edge devices, focusing on evaluating the impact of hardware accelerators like graphics processing units (GPUs) on AI application processing. We employ YOLOv8, a popular object detection model, to evaluate five tasks―image classification, object detection, pose estimation, instance segmentation, and oriented bounding box detection―by measuring job completion time (JCT), GPU utilization, and memory usage. Our findings indicate that expensive high-end devices do not always provide a proportionate performance boost, with mid-range devices frequently offering comparable inference performance for less computationally demanding tasks. These results underscore the need for a careful balance between hardware specifications and application requirements to achieve efficient and cost-effective AI deployment. Additionally, we observe that multi-threading does not consistently yield performance improvements on edge devices due to Python’ s Global Interpreter Lock (GIL) overhead. This limitation highlights the need for innovative solutions, such as simultaneous task management and GPU scheduling, to improve parallelism and optimize resource utilization in edge environments.
목차
ABSTRACT
Ⅰ. Introduction
Ⅱ. Background and motivation
Ⅲ. Performance evaluation
Ⅳ. Implication
Ⅴ. Conclusions
References
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Intelligent Transportation System based on an Edge AI
INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING
2022 .01
-
Edge AI 기술을 이용한 영상 기반 재실감지 시스템의 개발
Proceedings of KIIT Conference
2019 .11
-
Utilizing Contex for Enhancing Performance of On-device AI Inference
INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING
2023 .01
-
Implementation of MTCNN-based Face Detection Algorithm on Edge AI Device
한국통신학회 학술대회논문집
2021 .02
-
인공지능을 위한 Edge Computing 기술 동향
한국통신학회지(정보와통신)
2020 .11
-
An Edge AI Device based Intelligent Transportation System
Journal of information and communication convergence engineering
2022 .09
-
Half-precision을 활용한 Edge Device에서의 Object Detection 가속 분석
한국정보과학회 학술발표논문집
2018 .06
-
GPU기반 Edge AI 컴퓨터를 활용한 영상 처리기 구현
한국항공우주학회 학술발표회 초록집
2021 .11
-
Lightweighted Real-Time Object Detection on a Custom Edge Device
한국통신학회논문지
2024 .10
-
Edge Computing 성능 비교를 위한 Cloud 기반 빅데이터 시스템 구축 방안
한국컴퓨터정보학회 학술발표논문집
2019 .01
-
기계학습 기반 컴퓨팅 자원 사용량 예측 기술 분석
대한전자공학회 학술대회
2023 .06
-
사물인식 시스템 개발하기 위한 엣지 AI 환경 구축
제어로봇시스템학회 국내학술대회 논문집
2024 .07
-
Mode Selection for 360-degree Video Streaming over Wireless Network
한국정보과학회 학술발표논문집
2021 .06
-
Accurate Real-time Detection of Vehicles and Pedestrians on Edge Device with Scaled-YOLOv4 and TOPST AI
제어로봇시스템학회 국제학술대회 논문집
2024 .10
-
클라우드-네이티브 엣지 컴퓨팅 환경에서 이종 GPU 스케줄링을 통한 생성 AI 모델의 효율적 추론
한국통신학회 학술대회논문집
2025 .02
-
Efficient Real-time Object Detection on Edge NPU Device with TOPST AI
제어로봇시스템학회 국제학술대회 논문집
2024 .10
-
NEST-C: A deep learning compiler framework for heterogeneous computing systems with artificial intelligence accelerators
[ETRI] ETRI Journal
2024 .10
-
[ISSUE FOCUS] 2023년 주목해야 할 5가지 엣지 AI 트렌드는?
자동화기술
2023 .01
-
Federated Learning Framework using Consensus-based Averaging for multiple edge computing environment
대한산업공학회 추계학술대회 논문집
2023 .11
-
DNN Power and Energy Consumption Analysis of Edge AI Devices
한국통신학회 학술대회논문집
2021 .02
이 논문의 저자 정보
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-25-02-092459463