비대면 자동결제 시스템을 위한 CNN 기반 객체 검출기의 고처리량 및 전력 효율적인 FPGA 구현 = High-throughput and Power-efficient FPGA Implementation of CNN-based Object Detection for Automatic Contactless Payment System

국문 초록 (Abstract)

2019년 말부터 시작된 코로나19로 인해 무인 소매 시장은 최근 몇 년간 큰 폭의 성장세를 보이며 향후 성장세를 이어갈 것으로 예상된다. 본 연구는 빠르게 확대되고 있는 무인 소매 시장의 저비용, 고성능 시스템 요구에 부응하기 위해 엣지 디바이스에 구현이 가능한 전력효율과 처리율이 높은 비대면 자동결제 시스템을 설계하는 것을 목표로 한다. 실제로, 본 논문은 경량 물체 감지 모델인 tiny-YOLOv3 가속기 IP를 설계하고 Xilinx Zynq Ultrascale+ MPSoC ZCU102 Evaluation Kit에 주변 장치를 구성함으로써 실제 비대면 자동결제 환경에서 소비자들의 구매 품목을 식별하여 자동결제가 가능한 비대면 자동결제 시스템을 구축했다. 제안하는 tiny-YOLOv3 가속기 IP를 포함한 비대면 자동결제 시스템은 여러 이미지 추론 과정에서 5.04W의 전력만을 소비하며 137.22GOP/s의 처리량을 달성했다. 결과적으로, 제안한 시스템은 엣지 디바이스를 기반으로 비대면 결제 시스템을 구축하고자 하는 무인 소매 시장 참가자들의 시장 접근을 활성화할 수 있을 것으로 기대한다.

다국어 초록 (Multilingual Abstract)

Since the onset of the COVID-19 pandemic, the unmanned retail market has experienced substantial growth and is projected to continue its upward trajectory. This research aims to address the demand for low-cost, high-performance systems in this rapidly expanding market by designing a power-efficient, high-throughput, contactless automatic payment system that can be implemented on edge devices. This paper presents the design of a lightweight object detection model, the tiny-YOLOv3 accelerator IP, and integrates it with peripheral devices on the Xilinx Zynq Ultrascale+ MPSoC ZCU102 Evaluation Kit. The objective is to establish a contactless automatic payment system capable of processing consumer purchases in a real-world environment. The proposed system consumes only 5.04W of power while achieving a throughput of 137.22GOP/s across multiple image inference tasks. The results indicate that the proposed system can significantly enhance market access for participants in the unmanned retail sector aiming to deploy contactless payment solutions.