디지털 세상을 상징하는 것 중 하나가 영상입니다. 정보화 수준이 높은 도시를 가면 우리의 일상은 디지털 영상으로 기록됩니다. 물론 가정에서의 사생활 영역까지는 아니죠. 집에서 나아가 돌아올 때까지 거리, 대중교통, 건물, 식당, 상점 등 우리가 돌아다닌 주요 공간에 대한 기록을 말합니다. 이런 영상 정보는 스마트 시티 구축에 있어 매우 중요한 데이터 원천이 되고 있습니다. 영상 데이터는 인공 지능을 만나면 그 가치가 상상 이상으로 확대됩니다. 주차 관리, 주요 시설 보안, 더 나은 쇼핑 경험을 제공하기 위한 매장 혁신, 물류 관리 등의 분야에서 디지털 영상을 데이터 세트로 활용한 인공 지능 서비스는 스마트 시티의 근간이 되고 있습니다.
스마트 시티 시대를 앞당기는 도구 2개 - DeepStream & Transfer Learning Toolkit
방대한 영상 데이터 세트를 대상으로 딥러닝 모델을 만들어 트레이닝을 하는 것은 많은 시간과 노력 그리고 컴퓨팅 파워가 필요한 일입니다. 다른 측면에서 보면 비용이 많이 드는 일이란 것이죠. 최소한의 투자로 최대한의 효과를 얻는 것을 추구하는 것은 인공 지능 분야라 해서 다르지 않습니다. 이것이 바로 NVIDIA가 DeepStream SDK와 Transfer Learning Toolkit을 만들어 공개한 이유입니다. 네, 영상 데이터를 이용하는 지능형 서비스 개발에 있어 더 적은 자원을 이용하여, 개발 기간을 단축할 수 있도록 딥러닝 워크플로우를 가속하기 위한 도구로 eepStream과 Transfer Learning Toolkit을 제공하는 것입니다.
Transfer Learning Toolkit은 무료로 제공됩니다. NVIDIA NGC에서 다운로드해 바로 쓸 수 있습니다.
Transfer Learning Toolkit을 적용하면 다음과 같은 세 가지 도전 과제가 해결됩니다. 각종 프레임워크 모두에 정통해야 하는 부담, 모델 최적화의 어려움, 딥러닝 정확도를 높이는 데 필요한 대량의 데이터 처리 문제가 깔끔하게 해결됩니다.
도전 과제만 해결되는 것이 아닙니다. Transfer Learning 이란 새로운 접근을 통해 더 적은 자원과 데이터로 딥러닝 모델의 정확도를 높일 수 있어, 트레이닝 관련 비용과 시간을 크게 절감할 수 있습니다.
처음부터 끝까지 모든 것을 다 챙겨 하는 경우와 Transfer Learning Toolkit을 이용해 사전에 트레이닝을 마친 모델을 NGC에서 가져와 사용했을 때의 차이는 다음 표와 같습니다. 정확도 차이가 한눈에 확 들어올 정도입니다.
NGC에서 가져와 쓸 수 있는 사전에 트레이닝된 모델은 다음과 같습니다. 이를 이용하면 소매, 물류, 스마트 시티 등 높은 성능의 IVA(Intelligent Video Analytics) 기반 애플리케이션을 더 경제적이고 신속한 방식으로 개발할 수 있습니다.
이미지 분류
ResNet10 / 18 / 50 VGG16 / 19 MobileNet V1 / V2 AlexNet 스퀴즈 넷 GoogLeNet
물체 감시 ResNet10 / 18 / 50 VGG 16/19 GoogLeNet MobileNet V1 / V2
Transfer Learning Toolkit 사용법은 관련 문서나 개발자 포럼을 참조 바랍니다. #NVIDIA #GPU #Transfer_Learning #NVIDIA_NGC #DeepStream #스마트시티 #영상_인공지능