Earticle

초록

영어

This study compares and analyzes the structural efficiency and CPU-based inference performance of lightweight YOLO models to satisfy the real-time object detection requirements in autonomous driving environments. Previous studies have primarily evaluated models under GPU-accelerated settings or based on total processing time, which does not sufficiently reflect the limited computational resources and fallback scenarios characteristic of edge devices. Accordingly, this study assumes an environment without GPU acceleration and evaluates YOLOv5n and YOLOv8n under identical hardware and hyperparameter conditions, focusing exclusively on pure inference time and frame rate stability. In addition, the impact of model size, computational structure, and memory access patterns on CPU performance is examined. Experimental results show that YOLOv8n, due to its C2f modules and anchor-free architecture, exhibits increased computational complexity, leading to significant inference latency and unstable frame processing speed in CPU environments. In contrast, YOLOv5n demonstrates faster response times and more stable frame rates owing to its simpler operational structure and lower memory bandwidth demands. Based on these findings, this study proposes quantitative criteria for balancing accuracy and latency when selecting models for autonomous driving edge computing systems, providing practical guidance for safety-oriented lightweight model deployment.

한국어

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.

저자

• 정예은 [ YeEun Jung ]
• 정민영 [ MinYoung Jung ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  The Journal of the Convergence on Culture Technology (JCCT) [문화기술의 융합]

• 간기

  격월간

• pISSN

  2384-0358

• eISSN

  2384-0366

• 수록기간

  2015~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 600 DDC 700