Core Concepts
제안된 에지-클라우드 협업 프레임워크는 물체 위치 파악과 세부 분류 작업을 분리하여 수행함으로써 정확도와 에너지 효율성의 균형을 달성합니다.
Abstract
이 연구는 연안 해상 물체 탐지(IMOD)의 다양한 과제를 해결하기 위해 에지-클라우드 협업 프레임워크를 제안합니다. 이 프레임워크는 물체 위치 파악과 세부 분류 작업을 분리하여 수행합니다.
에지 장치에서는 물체 위치 파악, 난이도 추정, 그리고 "쉬운 샘플" 분류를 수행하는 경량 모델을 사용합니다. 이를 통해 데이터 전송량과 에너지 소비를 크게 줄일 수 있습니다.
클라우드에서는 "어려운 샘플"에 대한 세부 분류를 수행하는 강력한 분류기 모델을 사용합니다. 이 모델은 Swin-Transformer와 Graph Convolutional Network를 결합하여 선박 간 미세한 차이를 잘 구분할 수 있습니다.
실험 결과, 제안 시스템은 기존 방식 대비 정확도를 4.3% 향상시키면서도 데이터 전송량을 95.43% 감소시키고 에너지 소비를 72.7% 줄일 수 있었습니다. 또한 다양한 엣지 디바이스와 클라우드 플랫폼에 배포하여 실제 환경에서 검증하였습니다.
Stats
제안 시스템은 SeaShips 데이터셋에서 기존 대비 mAP@0.5가 4.3% 향상되었습니다.
제안 시스템은 SeaShips 데이터셋에서 데이터 전송량을 95.43% 감소시켰습니다.
제안 시스템은 SeaShips 데이터셋에서 에너지 소비를 72.7% 감소시켰습니다.
Quotes
"제안된 에지-클라우드 협업 프레임워크는 정확도와 에너지 효율성의 균형을 달성합니다."
"실험 결과, 제안 시스템은 기존 방식 대비 정확도를 4.3% 향상시키면서도 데이터 전송량을 95.43% 감소시키고 에너지 소비를 72.7% 줄일 수 있었습니다."