대학 졸업 프로젝트로 YOLO26n 추론 엔진을 ARM64 어셈블리어와 C로 직접 구현했어요. 기존 프레임워크를 사용하지 않고, Raspberry Pi 4에서 저전력 AI 연산을 위한 최적화 기법을 연구했어요. Winograd 컨볼루션, 캐시 인식 타일링, 연산자 퓨전 등 다양한 최적화 기법을 적용했어요.
모델 파라미터를 추출하고 추론 파이프라인에 최적화된 메모리 레이아웃을 설계했어요. 결과적으로 객체 탐지 결과를 얻었지만, 예상보다 성능 향상이 크지 않았다고 해요. CNN 추론 최적화, ARM NEON 벡터화, 메모리 레이아웃 최적화에 대한 피드백을 구하고 있어요.
GitHub 저장소를 공개하며, 관련 분야 전문가들의 의견을 환영해요.