최지웅 포트폴리오

카메라를 등록해도 검색되지 않는 현상의 원인을 장비별 NIC 매핑과 UDP 멀티캐스트 흐름에서 확인했습니다. 기존 오픈소스 ONVIF 라이브러리를 사내 use-go/onvif로 이관하고, 활성 상태·멀티캐스트 지원·고정 IP·카메라 서브넷을 기준으로 탐색 인터페이스를 동적으로 판별하도록 구성했습니다.

결과 배포 대상 JetPack 환경에 따라 탐색 NIC를 선택해 실행 환경이 달라져도 카메라를 안정적으로 찾도록 했습니다.

GPU가 한 대씩 장착된 두 컴퓨터(RTX A6000, RTX 5070 Ti)를 통합해 병렬 실험을 실행했습니다. 각 실행 시점의 코드 스냅샷을 MinIO에 저장해 저장소 변경과 무관하게 제출 당시 코드로 다시 실행할 수 있게 했습니다.

결과 두 GPU의 병렬 처리량을 활용해 전체 실험 시간을 절반 수준으로 줄이도록 했고, 체크포인트는 MinIO에 동기화해 장애 상황에서도 결과를 보존했습니다.

이 연구는 Edge 장비에서 직접 측정한 실험이 아니라, Edge AI의 시간·메모리 제약을 배경으로 한 단일 GPU 연구입니다. CUHK-PEDES 검증 분할에서 FP32 기준과 AMP+EMA+Gradient Checkpointing 구성을 비교했습니다.

71.31%로 가장 높은 검증 R@1은 FP32+EMA+GC, 0.63시간으로 가장 짧은 학습 시간은 AMP+EMA에서 나왔습니다. 세 기법을 결합한 구성이 모든 지표에서 최고라는 뜻은 아닙니다. 측정 조건과 결과 해석은 논문 설명 페이지에서 확인할 수 있습니다.