• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2011년도 한국컴퓨터종합학술대회논문집 Vol.38 No.1(B)
• /
• pp.346-349
• /
• 2011

SSD를 멀티미디어 스트리밍 서버 환경에서 저장매체로 사용하기 위한 연구가 최근 활발하게 일어나고 있으나, 아직 비싼 가격을 갖는 SSD의 단점으로 인해 HDD를 온전히 대체하는 방향으로는 진행되지 못하고 있다. 그 대안으로 HDD와 함께 사용하면서 상대적으로 더 빠른 읽기 성능을 활용하여 읽기 캐시로 사용하고자 하는 방향으로 진행되고 있다. 본 논문에서는 SSD를 HDD의 읽기 캐시로 사용하면서 기존의 방식과는 달리 데이터의 전부를 SSD 또는 HDD에 두는 모델을 사용하지 않고, 멀티미디어 데이터의 일부를 SSD에, 그리고 나머지를 HDD에 두는 모델을 제안한다. 이 모델은 스트리밍 환경을 고려하여 빠른 초기 반응을 필요로 하는 멀티미디어 데이터의 앞 부분을 더 빠른 속도의 SSD를 통해 서비스하고, SSD가 서비스를 수행하는 동안 HDD에서 나머지 부분을 서비스함으로써 빠른 초기 반응 시간과 함께 두 저장매체 모두의 대역폭을 최대로 사용할 수 있는 방법을 제안한다.

• 한국인터넷방송통신학회논문지
• /
• 제21권3호
• /
• pp.81-89
• /
• 2021

자연 조건에서 Apple 감지에는 가림 문제와 작은 대상 감지 어려움이 있다. 본 논문은 SSD 기반의 개선 된 모델을 제안한다. SSD 백본 네트워크 VGG16은 ResNet50 네트워크 모델로 대체되고 수용 필드 구조 RFB 구조가 도입되었다. RFB 모델은 작은 표적의 특징 정보를 증폭하고 작은 표적의 탐지 정확도를 향상시킨다. 유지해야 하는 정보를 필터링하기 위해 주의 메커니즘 (SE)과 결합하면 감지 대상의 의미 정보가 향상된다. 향상된 SSD 알고리즘은 VOC2007 데이터 세트에 대해 학습된다. SSD에 비해 개선 된 알고리즘은 폐색 및 작은 표적 탐지의 정확도를 3.4 % 및 3.9 % 향상 시켰다. 이 알고리즘은 오 탐지율과 누락된 감지율을 향상 시켰다. 본 논문에서 제안한 개선 된 알고리즘은 더 높은 효율성을 갖는다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2014년도 제50차 하계학술대회논문집 22권2호
• /
• pp.235-236
• /
• 2014

플래시 메모리 기술이 발전함에 따라 낸드 플래시 기반의 SSD가 상용화 되면서 I/O시간을 줄이기 위한 연구들이 진행되고 있다. 이에 본 논문에서는 기존의 메인 메모리와 저장장치 사이에 확장 버퍼 캐시로써 SSD를 사용하고 메인 메모리에서 방출 된 페이지들을 구분하여 같은 성향의 페이지들을 블록화 하는 모델을 제안한다. 이러한 모델을 통하여 블록 단위로 사용되는 SSD를 효율적으로 이용하여 읽기 및 쓰기 성능을 높이고 I/O에 해당하는 시간들을 줄임으로써 전체적인 성능 향상을 증명하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2016년도 제53차 동계학술대회논문집 24권1호
• /
• pp.11-12
• /
• 2016

플래시 메모리의 수요가 증가하면서, 플래시 메모리를 기반으로 한 SSD는 빠른 I/O 속도를 보이며 충격에 강하고, 저전력과 비휘발성인 특징을 가지고 있다. 하지만 플레시 메모리는 지우기와 쓰기 성능이 읽기 작업에 비해 현저히 느리다는 단점이 있다. 본 논문에서는 버퍼에서 각 논리 페이지가 hot 또는 cold 인지를 정확히 예측할 수 있는 PSO 기반의 버퍼 관리 모델을 제안한다. 이러한 모델을 통하여 기존 모델에서의 기법보다 읽기 및 쓰기 적중 횟수와 적중률이 향상되는 것을 증명하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2016년도 제54차 하계학술대회논문집 24권2호
• /
• pp.191-193
• /
• 2016

본 논문에서는 SSD 저장장치를 포함하는 하둡의 Iterative Processing에 대한 성능 분석 결과를 소개한다. 하둡은 맵 리듀스 병렬 프로그래밍 모델을 통해 Batch Processing에 특화된 구조를 가지고 있는 프레임 워크이다. 이는 병렬/분산 환경에서 큰 성능향상을 보장하지만, 반복 작업을 수행하는 Iterative Processing에 대하여는 성능이 낮아지는 문제가 존재하고 있다. 이에 본 논문에서는 점차 낮아지는 가격으로 인해 하둡시스템에 적용 가능성이 타진되는 SSD를 통해 반복 작업의 성능이슈를 해결할 수 있는지 확인하고, SSD를 통한 성능향상의 요소가 존재하는지 알아보고자 실험을 진행하였다. 실험에서는 Batch Processing인 word count와 Iterative Processing인 Page Rank 알고리즘을 MapReduce로 구현하고 데이터 크기에 따른 성능 향상도를 측정하였고, SSD 추가와 같은 하드웨어적인 성능을 통한 하둡의 반복 작업은 큰 효율을 기대하기가 어렵다는 결론을 보였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 춘계학술발표대회
• /
• pp.885-886
• /
• 2013

최근, 빅데이터 등 대용량의 데이터가 등장함에 따라 SSD 안에 추가적인 프로세서를 장착하여 데이터 처리 능력을 부여한 Intelligent SSD의 필요성이 대두되고 있다. 본 논문에서는 먼저, Intelligent SSD의 특징을 분석하고, Intelligent SSD가 대용량 처리에 적합함을 보인다. 더 나아가, Intelligent SSD를 위한 외부 정렬 방안을 제안하고, 비용 모델을 수립을 통해 제안한 방안의 우수성을 검증한다.

• 전기전자학회논문지
• /
• 제23권3호
• /
• pp.777-784
• /
• 2019

인적이 드문 한적한 곳이나 산악 지역에서 화재가 발생 하였을 때 화재 상황을 정확하게 파악하고 적절한 초동 대처를 한다면 피해를 최소화할 수 있으므로 사전 화재인지시스템과 자동알림시스템이 요구된다. 본 연구에서는 객체인식을 위한 딥러닝 알고리즘 중 Faster-RCNN 및 SSD(single shot multibox detecter)을 사용한 화재 인식시스템을 전력선 통신과 연동하여 자동알림시스템을 시연하였으며 향 후 고압송전망을 이용한 산불화재 감시에 응용 가능함을 제시하였다. 학습된 모델을 장착한 라즈베리파이에 파이카메라를 설치하여 화재 영상인식을 수행하였으며, 검출된 화재영상은 유도형 전력선 통신망을 통하여 모니터링 PC로 전송하였다. 학습 모델별 라즈베리파이에서의 초당 프레임 율은 Faster-RCNN의 경우 0.05 fps, SSD의 경우 1.4 fps로 SSD의 처리속도가 Faster-RCNN 보다 28배 정도 빨랐다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2023년도 춘계학술발표대회
• /
• pp.79-80
• /
• 2023

CPU 와 GPU 의 성능이 지속적으로 발전함에 따라 객체 인식 인공지능의 정확도와 추론 속도는 점차 향상되고 있으나 이러한 성능을 Edge Device 와 같은 제한된 환경에서 구현하기에 아직 여러 한계점이 존재한다. 본 논문에서는 여러가지 Edge Device 에서 객체 인식을 위한 경량화 된 모델 중 하나인 SSD-Mobilenet-V2 를 활용하여 결과값을 통해 각 Device 간 경향성을 분석하였다. 본 결과를 바탕으로 다양한 환경에서의 객체인식 인공지능 모델의 성능 개선을 위한 연구에 활용할 수 있다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2014년도 제50차 하계학술대회논문집 22권2호
• /
• pp.237-238
• /
• 2014

최근 낸드 플래시 기반의 SSD가 상용화 되면서 기존의 HDD 저장 장치와 SSD를 함께 사용하는 Hybrid 저장장치에 대한 연구가 되고 있다. SSD의 빠른 읽기 및 쓰기 속도와 HDD의 대용량을 함께 효율적으로 사용하기 위하여 본 논문에서는 메모리에서 방출된 페이지들을 구별하여 각각의 저장장치에 저장하는 모델을 제안하였다. 이를 통하여 Hybrid 저장장치에서 SSD의 GC(Garbage Collection)을 최대한 줄임으로써 쓰기 속도를 향상시키고 HDD의 대용량 저장장치를 이용하여 전체적인 성능이 향상 된 것을 증명하였다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2020년도 춘계학술발표대회
• /
• pp.574-576
• /
• 2020

최근에는 딥러닝 기술의 발달로 물체 인식 및 검출에 관한 기술들 또한 발탄하고 있다. 검출에 관한 여러 기법(Faster R-CNN, R-CNN, YOLO, SSD 등) 중 SSD는 다른 기법들과는 다르게 높은 정확도와 빠른 속도가 특징이다. 동시에 여러 detection network들도 쉽게 이용이 가능하다. 본 논문에서는 detection netowork중 Mobilenet V2 network를 이용하여 SSD와 결합해 모델을 훈련하고, TensorRT engine을 이용하여 더 빠른 속도로 검출할 수 있는 방법에 대해 논의한다. 이 방법을 통해 face detector를 만들어 여러 상황에서 쓰일 수 있도록 한다.