플러스프로젝트 배경
1) 문제점 - 대회 1회당 20만~100만 장의 고해상도 사진이 발생해 참가자가 직접 찾기 어려움 - 해상도와 수량에 따라 배치 완료 시간·GPU·스토리지·전송 비용이 크게 달라짐 - 얼굴 기반 보조 매칭에는 개인정보와 상용 모델 라이선스 경계가 필요함 2) 프로젝트 목표 - 1080p·12MP·24MP별 실제 CUDA 처리량과 병목 측정 - 배번호 OCR 결과를 사전 색인해 0.1초 조회 가
프로젝트 성과
해상도별 GPU 처리량 실측
720회·9.14Gpx에서 1080p 38.6장/초, 12MP 8.13장/초, 24MP 4.60장/초를 측정
핵심 기능
해상도별 GPU 배치 벤치마크
1080p·12MP·24MP에서 JPEG decode와 YOLOX 추론을 분리 측정해 실제 병목과 처리량을 확인
진행 단계
성능 PoC 및 아키텍처 검증
2026.08.
합성 corpus 생성 → CUDA 추론·OCR·색인 벤치마크 → 해상도·수량별 비용 모델 → 운영 아키텍처 설계
프로젝트 상세
마라톤·스포츠 대회에서 발생하는 20만~100만 장의 고해상도 사진을 배치 처리하고, 참가자 배번호로 빠르게 조회하는 백엔드 구조를 검증한 성능 PoC입니다. RTX 4060 Ti 8GB, ONNX Runtime CUDA 환경에서 1080p·12MP·24MP 합성 JPEG 720회(총 9.14 gigapixels)를 처리했습니다. YOLOX-Tiny 추론, JPEG decode, YuNet 얼굴 검출,
