컴퓨터 비전이란?
모든 조직은 경쟁력 있는 차별화를 얻기 위해 탁월한 고객 경험을 제공하는 것부터 생산 라인 임피던스를 제거하는 것까지 비즈니스, 브랜드 및 프로세스 개선을 위해 노력합니다. 그러나 이러한 개선이 필요한 곳과 시기를 식별하는 것은 인간적으로 불가능합니다. 인공 지능(AI)의 일종인 컴퓨터 비전 기술은 조직이 여러 접점에서 비즈니스를 모니터링하고 수집되는 엄청난 양의 시각적 데이터를 이해하도록 컴퓨터를 학습시키는 데 사용되고 있습니다.
컴퓨터 비전 AI는 카메라, 에지 컴퓨팅, 클라우드 기반 컴퓨팅, 소프트웨어, 이미지 또는 비디오의 측면을 인식하고 이를 예측하도록 시스템을 학습시키는 데 사용되는 딥 러닝 모델 등 다양한 구성 요소를 결합하여 시스템이 카메라 및 비디오에서 수집된 데이터를 "볼" 수 있도록 합니다. 컴퓨터 비전 모델의 유형은 다음과 같습니다:
- 이미지를 검사하고 내용에 따라 클래스 레이블을 할당하는 이미지 분류. 예를 들어 이미지 분류 모델을 사용하여 개, 고양이 또는 화가 난 고객이 포함된 이미지가 무엇인지 예측할 수 있습니다.
- X-레이 결과에서 주변 뇌 조직으로부터 종양을 분리하는 등 객체를 식별하고 배경에서 추출하는 이미지 분할.
- 이미지 또는 비디오를 스캔하고 대상 물체를 찾는 객체 탐지. 객체 탐지 모델은 일반적으로 여러 객체를 동시에 강조하며 재고 관리 개선을 위해 선반에 있는 품목을 식별하거나 생산 라인에 있는 품목 이상을 식별하는 등의 작업에 사용할 수 있습니다.
- 이미지 또는 비디오에서 캡처한 유용한 특징을 분리하고 이를 검색 및 일치하는 이미지 검색과 같은 두 번째 AI 알고리즘과 공유하는 특징 추출. 예를 들어 특징 추출을 사용하여 트래픽 모니터링 및 사고 감지를 자동화할 수 있습니다.
컴퓨터 비전은 다양한 새로운 사용 사례를 가능하게 하여 산업 전반에 걸쳐 기업이 운영 비용을 절감하고 비즈니스 자동화를 실현하며 새로운 서비스 또는 매출원을 창출하도록 지원합니다. 몇 가지 예시를 들어보겠습니다.
- 의료 영상: GE Healthcare는 컴퓨터 비전 AI 알고리즘을 사용하여 흉부 X-레이에서 기흉이라는 생명을 위협하는 폐 질환을 비롯한 중요한 소견을 감지하는 응용 프로그램을 출시했습니다.
- 스마트 소매점 솔루션: 소매점의 선반을 모니터링하는 스마트 카메라는 재고 데이터를 추적하고 품목이 품절되면 직원에게 즉시 알릴 수 있습니다. 디지털 사이니지에 내장된 컴퓨터 비전을 통해 소매업체는 어떤 유형의 고객이 어떤 마케팅 메시지를 보는지 측정할 수 있으므로 매장 내 사이니지의 효율성을 향상시킬 수 있습니다. 식료품점 체인 Town Talk Foods는 AI 비디오 분석을 사용하여 마케팅, 운영 및 머천다이징을 최적화함으로써 연간 매출 목표를 17% 더 빠르게 달성할 수 있었습니다.1
- 운동 움직임 추적: 인텔은 휴대폰으로 촬영한 운동 선수의 비디오를 스캔하고 운동 선수의 자세와 동작에 대한 주요 정보를 추출하여 운동 선수와 코치가 주요 조정을 수행할 수 있도록 돕는 AI 플랫폼을 만들었습니다.
컴퓨터 비전 응용 프로그램에 적합한 하드웨어 및 소프트웨어 기술 식별
컴퓨터 비전의 혁신적인 이점을 고려하여 많은 조직이 비즈니스의 여러 부서에서 이 기술을 활용하려고 합니다. 컴퓨터 비전 솔루션을 도입하려면 컴퓨터 비전 AI 모델을 학습하거나 미세 조정하여 고급 기능을 활성화할 수 있도록 데이터를 공급하고 필요한 곳에 AI 비전 워크로드를 배포해야 합니다.
궁극적으로 효과적이고 비용 효율적이며 확장 가능한 컴퓨터 비전 솔루션을 사용하려면 비즈니스 및 기술 요구 사항에 따라 신중하게 선별된 AI 하드웨어와 소프트웨어 도구의 적절한 조합이 필요합니다. 인텔® 포트폴리오를 사용하여 비즈니스 요구 사항을 준수하는 동시에 거의 모든 컴퓨터 비전 사용 사례의 요구 사항을 충족할 수 있는 방법을 살펴보겠습니다.
인텔® 도구 및 최적화로 개발 및 데이터 과학 가속화
컴퓨터 비전 배포에는 개발자 및 데이터 과학자의 상당한 노력이 수반될 수 있습니다. 인텔은 모델 개발 및 배포를 간소화하고 성능을 최적화하는 데 도움이 되도록 TensorFlow, PyTorch, scikit-learn과 같이 널리 사용되는 프레임워크에 대한 최적화를 포함한 엔드 투 엔드 AI 파이프라인 소프트웨어를 제공합니다.
또한 인텔은 팀이 AI 솔루션 코드를 한 번만 작성하면 거의 모든 곳에 배포할 수 있도록 하는 OpenVINO™ 툴킷의 인텔® 배포를 포함하여 배포를 크게 단순화하는 데 도움이 되는 개발자 리소스 포트폴리오를 제공합니다. 오픈 소스 프레임워크인 OpenVINO™를 사용하면 공급업체 종속을 방지하고 에지부터 클라우드까지 이기종 하드웨어 전반에서 원활하게 확장할 수 있는 응용 프로그램을 구축할 수 있습니다.
또한 인텔은 더 빠른 가치 실현 시간을 더욱 쉽게 달성하기 위해 코더가 아닌 도메인 전문가가 데이터 과학자와 협업하여 AI 모델을 빠르게 구축하고 학습할 수 있는 오픈 소스 엔터프라이즈급 컴퓨터 비전 플랫폼인 인텔® Geti™를 선도하고 있습니다.
인텔의 광범위한 하드웨어 포트폴리오와 결합된 인텔 오픈 소프트웨어 도구는 개념부터 프로덕션까지 이르는 AI 여정을 간소화하는 동시에 필요한 성능을 보장하고 ROI를 가속화할 수 있습니다. 결합된 인텔® AI 컴퓨터 비전 플랫폼의 강력한 성능을 통해 AI 파이프라인의 모든 측면에 자신 있게 대응할 수 있습니다.
모델 학습 및 배포: 요구 사항에 최적화된 하드웨어 선택
컴퓨터 비전 응용 프로그램은 다양하기 때문에 인프라 요구 사항은 해결하려는 문제, 데이터가 학습 및 분석되는 위치, 워크로드의 크기에 따라 매우 다양합니다. 이 섹션에서는 사용 사례에 가장 적합한 하드웨어를 선택할 때 고려해야 할 세 가지 주요 질문을 공유합니다.
고려 사항 1: 컴퓨터 비전 모델 학습은 어디에서 수행됩니까?
학습 워크로드에 가장 적합한 하드웨어를 파악하려면 먼저 AI 전략 및 사용 사례에 에지, 클라우드 및 데이터 센터 또는 둘 다에서 모델 학습이나 미세 조정 기능이 필요한지 여부를 고려하십시오. 비용 또는 보안 제약으로 인해 클라우드에서 데이터를 학습하지 못할 수도 있습니다. 또한 에지 서버에서 사용할 수 있는 오프 피크 주기를 활용하여 데이터가 생성되는 위치를 학습할 수 있습니다.
미세 조정 모델과 같은 에지에서의 경량 학습의 경우 인텔® 데이터 센터 GPU가 탑재된 서버급 인텔® 제온® 스케일러블 프로세서를 사용하는 것이 좋습니다.
대규모 데이터 세트를 학습하거나 배포하는 경우 또는 에지에서 빠르게 모델을 학습해야 하는 경우 워크로드에 추가 인프라나 클라우드 기반 학습 및 추론이 필요할 수 있습니다. AI 워크로드와 온프레미스 서버를 페어링하여 분산 학습 모델을 고려하는 것이 좋습니다. AI 가속화 기능이 내장된 여러 인텔® 제온® 스케일러블 프로세서를 사용하면 GPU에 의존하지 않고도 효율적이고 비용 효율적인 학습을 수행할 수 있습니다.
매우 큰 워크로드의 경우 Habana® Gaudi® 또는 인텔® Data Center GPU Flex 140 또는 170과 같은 별도 데이터 센터 GPU를 사용하여 고급 딥 러닝 가속기 접근 방식을 취할 수도 있습니다.
예를 들어 자율 주행 차량의 Mobileye 응용 프로그램은 컴퓨터 비전을 사용하여 보행자, 다른 차량, 교통 신호를 감지하고 대응합니다. 이를 위해 응용 프로그램은 초당 수백 개의 이미지를 처리해야 하며 지속적으로 대규모 모델을 실행해야 하므로 학습이 운영 비용의 주요 원인이 됩니다. 훈련 효율성을 높이기 위해 Mobileye는 Habana® Gaudi®를 사용하여 클라우드에서 모델을 학습함으로써 가격 대비 성능을 최대 40% 향상시켰습니다2.
모델 학습에 대한 자세한 내용은 여기에서 시작하십시오:
고려 사항 2: 배포에 견고한 폼 팩터가 필요합니까?
컴퓨터 비전 솔루션용 하드웨어를 선택할 때 고려해야 할 또 다른 중요한 사항은 기존 IT 환경에 배포할 것인지 아니면 고유한 환경 문제가 있는 위치에 배포할 것인지 여부입니다. 산업 공장 바닥, 창고, 기지국 또는 선박과 같은 까다로운 환경에는 먼지, 진동, 장시간 온도 및 기타 혹독한 조건으로부터 보호되는 견고한 장치가 필요합니다. 인텔은 견고한 소형 폼 팩터 장치용 통합 GPU와 더 많은 처리량이 필요한 표준 환경 및 워크로드를 위한 범용 서버 CPU가 탑재된 다양한 IoT 및 임베디드 프로세서를 제공합니다.
고려 사항 3: 운영 중 에지에서 비디오 데이터를 분석하고 처리해야 합니까?
대량의 이미지 또는 비디오 데이터를 처리해야 하는 경우 데이터를 클라우드에 업로드하는 데 비용이 너무 많이 들거나 규정 또는 보안 요구 사항에 따라 클라우드로 데이터를 전송하지 못할 수 있습니다. 클라우드 처리를 금지하는 대기 시간 요구 사항에 직면할 수도 있습니다. 또한 클라우드에 액세스할 수 없을 때 에지에서 처리를 계속하기 위해 모델이 필요하거나 데이터를 분석하고 빠르게 대응하기 위해 모델이 필요할 수 있습니다.
이러한 문제를 해결하기 위해 계획에서 에지 처리가 필요한 경우 온보드 에지 장치 또는 일반 IoT 장치, 장치-에지 비디오 AI 박스, 온프레미스 에지 비디오 AI 서버의 세 가지 유형의 솔루션 중 하나가 필요할 수 있습니다.
사용 사례: 대기 시간이 짧은 배포용 온보드 에지 장치 또는 일반 IoT 장치
컴퓨터 비전 기술은 일반적으로 에지 또는 드론, 로봇 팔, 스마트 카메라와 같은 IoT 장치에 내장되어 있습니다. 이러한 배포는 자율적이거나, 공간 또는 전력이 제한적이거나, 가능한 한 가장 낮은 AI 대기 시간을 필요로 합니다. 인텔은 에지 및 임베디드 장치의 다양한 요구 사항과 제약 조건을 충족하는 특수 설계된 저전력 제품을 제공합니다.
워크로드의 복잡성에 따라 다음 하드웨어 조합 중 하나를 고려하십시오:
- 초저전력 가속기용 인텔® Gaussian & Neural Accelerator(인텔® GNA)와 같은 내장 가속 기능 및 통합 GPU를 갖춘 인텔® 코어™ 프로세서.
- 인텔® 코어™ 프로세서 및 인텔® Iris® Xe 그래픽 별도 또는 통합 GPU.
- 인텔® 제온® D 프로세서(인텔® Advanced Vector Extensions 512(인텔® AVX-512) 가속화 통합 및 별도 GPU가 추가됨).
인텔® 하드웨어에 구축된 컴퓨터 비전 응용 프로그램을 통해 조명 제조업체인 Signify가 제품 라인의 품질 관리를 간소화할 수 있었던 방법을 알아보십시오.
사용 사례: 중간 복잡성 배포용 장치-에지 비디오 AI 박스
장치-에지 비디오 AI 박스 배포에는 온보드 AI 처리를 위해 단일 응용 프로그램에 직접 연결되거나 스트리밍되는 소수의 카메라(약 4~10개)가 포함되어 있습니다. 예를 들어 소매 셀프 결제 스테이션의 컴퓨터 비전 응용 프로그램은 여러 센서를 사용하여 고객이 어떤 제품을 구매하는지 식별함으로써 고객이 더 빠른 거래할 수 있도록 하고 매장에서 도난을 방지할 수 있습니다. 카메라 스트림이 더 적게 필요하므로 이러한 배포는 저전력 프로세서를 사용하여 효과적으로 지원할 수 있습니다.
환경의 먼지, 기름 또는 기타 오염 물질로부터 보호해야 하는 경우 개방형 섀시 팬 대신 수동 또는 외부 냉각 기능을 갖춘 반 견고한 또는 완전 견고한 하드웨어를 사용하는 것이 좋습니다.
중소 복잡성 워크로드 및 모든 환경에서의 배포:
- 초저전력 가속기용 인텔® Gaussian & Neural Accelerator(인텔® GNA)와 같은 내장 가속 기능 및 통합 GPU를 갖춘 인텔® 코어™ 프로세서.
표준 IT 환경 및 반 견고한 설계가 필요한 환경에서의 중대 복잡성 워크로드 및 배포의 경우 다음 추가 옵션을 고려하십시오:
- 인텔® 코어™ 프로세서 및 인텔® Arc™ 그래픽과 같은 별도 GPU
- IoT 에지용 4세대 인텔® 제온® 스케일러블 프로세서(인텔® Advanced Matrix Extensions(인텔® AMX)의 내장 가속화 및 인텔® Data Center GPU Flex 140 또는 170과 같은 별도 데이터 센터 GPU를 갖춤)
소매업체가 데이터를 실시간으로 인사이트로 변환하는 데 인텔® 컴퓨터 비전 솔루션이 어떻게 도움이 되는지 자세히 알아보십시오.
사용 사례: 고급 배포용 온프레미스 에지 비디오 AI 서버
컴퓨터 비전 AI 알고리즘을 적용하여 X-ray 결과에서 질병을 감지하는 의료 영상 응용 프로그램과 같은 일부 고급 사용 사례의 경우, 배포에는 AI 처리를 위해 단일 온프레미스 장치로 스트리밍되는 많은 원격 카메라(때로는 300개 이상)가 포함될 수 있습니다. 이러한 배포에서는 많은 카메라를 지원하고 여러 컴퓨터 비전 모델을 실행할 수 있으므로 상당한 처리 능력을 제공하는 하드웨어를 고려해야 할 수도 있습니다.
또한 환경 조건도 고려해야 합니다. 비디오 AI 서버가 표준 IT 환경에 위치할 경우 표준 데이터 센터 서버 또는 엔터프라이즈 워크스테이션에 적합한 하드웨어를 선택할 수 있습니다. 그러나 혹독한 조건이 있는 환경의 경우 견고한 모듈형 서버가 필요합니다.
표준 IT 환경에서의 배포의 경우 워크로드에 따라 다음을 고려하십시오:
- 4세대 인텔® 제온® 스케일러블 프로세서
- 12세대 인텔® 코어™ 프로세서 및 타사 가속기
- 4세대 인텔® 제온® 스케일러블 프로세서 및 인텔® Data Center GPU Flex 140 또는 170과 같은 별도의 데이터 센터 GPU
배포에 견고한 설계가 필요한 경우 워크로드에 따라 다음을 고려하십시오:
- IoT 에지용 4세대 인텔® 제온® 스케일러블 프로세서
- 4세대 인텔® 제온® 스케일러블 프로세서 및 인텔® Data Center GPU Flex 140 또는 170과 같은 별도의 데이터 센터 GPU
브랜드가 드라이브 스루 경험을 개선하는 데 Hellometer의 컴퓨터 비전 기반 레스토랑 자동화 솔루션이 어떻게 도움이 되는지 알아보십시오. AI 가속화 및 OpenVINO™ 소프트웨어가 내장된 인텔® 코어™ 모바일 프로세서를 사용하는 Hellometer를 통해 레스토랑 운영자는 서비스 속도를 평균 47초만큼 개선할 수 있습니다. 이는 위치당 연간 약 13만 달러의 추가 매출에 해당합니다3.
인텔® 비전 솔루션으로 미래 대비 컴퓨터 비전 응용 프로그램 구축
인텔은 성능과 비용의 적절한 균형을 갖춘 컴퓨터 비전 응용 프로그램을 구축하는 데 도움이 되는 광범위한 하드웨어 포트폴리오와 엔드 투 엔드 AI 파이프라인 소프트웨어 도구를 제공합니다. 다양한 하드웨어 옵션은 모든 환경에서 컴퓨터 비전을 배포하는 데 필요한 처리 능력을 제공합니다. 무엇보다도 개발자와 데이터 과학자는 OpenVINO™ 툴킷의 인텔® 배포판과 같은 오픈 소스 소프트웨어 도구를 사용하여 이기종 장치에서 쉽게 확장할 수 있는 응용 프로그램을 개발 및 최적화할 수 있습니다. 코드 몇 줄만 변경하면 드론에서 실행할 수 있는 수천 개의 딥 러닝 가속기에 대해 학습된 컴퓨터 비전 AI 모델을 장착할 수 있습니다.
여정의 모든 단계에서 규모에 관계없이 AI를 강화할 수 있는 인텔® 솔루션을 찾아보십시오.