YOLO 기반 클라우드 대 엣지 객체검출 비교

YOLO는 실시간 객체 검출 모델로서 카메라 프레임을 입력 받아 물체의 위치와 클래스를 빠르게 산출하고, 그 결과를 Python 코드에서 장치 제어 신호로 변환하는 데 사용된다. 영상에서는 YOLO가 검출 엔진 역할을 맡아 로봇 손과 LED 트리거의 입력으로 연결된다. 검출의 처리 속도와 정확도는 전체 제어 파이프라인의 핵심 성능 지표다.

Google Cloud는 클라우드 기반 추론 플랫폼으로서 더 큰 계산 자원을 제공해 복잡한 모델을 원격으로 실행하는 용도로 비교 대상에 포함된다. 영상은 Google Cloud에서의 추론 처리와 네트워크 왕복이 장치 제어에 미치는 영향을 확인하기 위해 이 플랫폼을 평가한다. 클라우드의 장단점은 성능 분해와 라이브 데모를 통해 비교된다.

Raspberry Pi는 엣지 장치로서 카메라 가까이에서 로컬 추론을 실행하고 직접 GPIO 등으로 장치를 제어하는 역할을 맡는다. 영상은 Raspberry Pi의 하드웨어적 제약과 로컬 제어 이점이 실제 장치 트리거 성능에 어떻게 반영되는지 비교한다. 엣지 특성은 네트워크 의존성 감소와 낮은 왕복 지연이라는 관점에서 평가된다.