기기에 ai 모듈을 탑재하는 on-device 방식을 이용하여 클라우드 서버에서 ai를 처리한 후 응답을 기다려야 하는 클라우드 방식보다 빠른 응답속도로 대응이 가능함
YOLOv3, YOLOv4는 c언어 기반인 darknet을 사용하였지만, YOLOv5는 pytorch기반으로 개발되었기 때문에 학습시키고 사용함에 있어 용이하고, YOLOv4 보다 실행속도가 향상되었으며, 가중치 파일이90%정도 작아짐에 따라 라즈베리파이에 ai모듈을 삽입하기에 적합하다고 판단하였습니다
하지만 라즈베리파이 3b+에서 ai 모듈을 학습시킨 결과 정확도는 80-90% 정도로 우수하지만, 프레임이 0.3-0.5FPS 정도로 굉장히 느렸기 때문에 모듈 교체의 필요성을 느꼈습니다.
YOLOv5를 실행한 결과, 실행속도가 굉장히 느려 좀 더 실행속도를 향상시키기 위해 감지율이 비교적 떨어지더라도 빠르게 작동할 수 있는 YOLOv3를 선택하였습니다. YOLOv4를 선택하지 않은 이유는 YOLOv5가 YOLOv4보다 실행속도를 향상시키고, 가중치 파일도 줄인 버전이기 때문에 적합하지 않다고 판단하였습니다.
YOLOv3를 사용한 결과 정확도는 70-80정도이지만, 프레임이 1FPS 정도로 이전보다 개선된 속도를 보였습니다
저희는 YOLOv3보다 더 좋은 성능을 내기 위해 여러가지 알아본 결과 YOLO-fastest를 이용하기로 결정했습니다. YOLO-fastest의 경우 YOLOv3과 정확도는 유사하지만, 모델 크기를 굉장히 줄여 매우 빠른 속도로 학습된 모델을 실시간 영상에 적용시킬 수 있었습니다
YOLO-fastest를 사용한 결과 정확도는 70-80정도로 YOLOv3와 유사하지만, 프레임이 2.5-3FPS 정도로 굉장히 개선된 모습을 보였습니다