aws cloud 2018- amazon deeplens와 컴퓨터 비전 딥러닝 어플리케이션 활용 (강정희...
TRANSCRIPT
활용가능한이미지의폭발적인성장추세
Amazon S3 이미지데이터량증가추이
“There are 3,700,000,000 internet users in 2017
1,200,000,000,000 photos will be taken in 2017” (9% YoY Growth)
Source: InfoTrends Worldwide
FRAMEWORKS AND INTERFACES
AW S DEEP LEARNING AP I
Apache MXNet TensorFlowCaffe2 Torch KerasCNTK PyTorch GluonTheano
PLATFORM SERVICES
V I S I O N L A N G U A G E
A P P L I C A T I O N S E R V I C E S
Amazon
Rekognit ionAmazon Pol l
y
Amazon Le
x
Amazon
Rekognit ion Vide
o
Amazon Transcr ibe Amazon TranslateAmazon Comprehe
nd
Alexa for Business
V R / I R Amazon SumerianAmazon Kinesis
Video Streams
AWS 머신러닝스택과컴퓨터비전
Amazon SageMaker AWS DeepLens
기존의컴퓨터비전개발환경 : Rasberry Pi
예 - 스마트초인종데모 (AWS Seoul Summit 2017) 라즈베리파이
그래픽처리성능
낮음
가격 $
훈련된모델배포
직접수행
하드웨어구성
직접수행
AWS 서비스통합
직접수행
전용예제프레임워크별제공,
직접배포가능
기존의컴퓨터비전개발환경 : PC (Laptop)
PC (Laptop)
그래픽처리성능
다양(높음)
가격 $$$(다양)
훈련된모델배포
직접수행
하드웨어구성
직접수행
AWS 서비스통합
직접수행
전용예제프레임워크별제공,
직접배포가능
예 - 인공지능등록데스크 (AWS Cloud 2018)
기존의컴퓨터비전개발환경 : 스마트폰
스마트폰
그래픽처리성능
다양(높음)
가격 $$$(다양)
훈련된모델배포
직접수행
하드웨어구성
불필요
AWS 서비스통합
Mobile Hub
전용예제프레임워크별제공,
직접배포가능
예 - Amazon.com 모바일앱상품검색
AWS DeepLens
HD video camera
Custom-designed
deep learning
inference engine
Micro-SD
Mini-HDMI
USB
USB
Reset
Audio out
Power
다양한 튜토리얼, 예제및 데모, 모델 제공
10분 이내에 데이터 모델활용 가능
10MIN
딥러닝 최적화 CPU를탑재 기기
Amazon SageMaker및 AWS Lambda 연동
기술사양• Intel Atom Processor
• Intel Gen9 graphics
• Ubuntu OS- 16.04 LTS
• 100 GFLOPS performance
• Dual band Wi-Fi
• 8 GB RAM
• 16 GB Storage (eMMC)
• 32 GB SD card
• 4 MP camera with MJPEG
• H.264 encoding at 1080p resolution
• 2 USB ports
• Micro HDMI
• Audio out
• AWS Greengrass preconfigured
• clDNN Optimized for MXNet
컴퓨터비전개발환경비교
라즈베리파이 PC (Laptop) 스마트폰 DeepLens
그래픽처리성능
낮음 다양(높음) 다양(높음) 높음
가격 $ $$$(다양) $$$(다양) $$
훈련된모델배포
직접수행 직접수행 직접수행콘솔을통한
손쉬운프로젝트관리및배포
하드웨어구성
직접수행 직접수행 불필요 불필요
AWS 서비스통합
직접수행 직접수행 Mobile Hub
관련서비스가기본적으로통합
(Greenglass, IoT, Sagemaker)
전용예제프레임워크별제공,
직접배포가능프레임워크별제공,
직접배포가능프레임워크별제공,
직접배포가능샘플프로젝트
제공
NEW
!
모델트레이닝
• 모델의아키텍쳐를정의하는과정입니다.
• 주석이달린, 정제된데이터를모델에제공합니다.
• 모델훈련을위해이를여러번반복(epochs)합니다.
• 미리별도로분리한데이터세트(Validation set)를바탕으로모델검증합니다.
Large, annotated
dataset
Training set
Validation set
Training
Validate
추론 (Inference)
이단계가실제로마법이일어나는부분입니다!
1. 새로운데이터/이미지를 training set과마찬가지로전처리수행합니다.
2. 해당데이터/이미지에 trained model을적용해예측된결과값을얻습니다.
AWS DeepLens 아키텍처
Video out
Data out
추론
프로젝트 배포
Manage device
SecurityConsole Project
Management
AWS Cloud
Intel: Model Optimizer
cIDNN and Driver
Amazon SageMaker
완전 관리 및자동 스케일링
배포
원클릭 배포
생성
JupyterNotebook 기반
서비스
고성능알고리즘미리 제공
원클릭데이터 훈련
훈련
Hyper-parameter 최적화
NEW!
데이터과학자와개발자들이스마트어플리케이션에사용될머신러닝기반의모델을빠르고쉽게만들도록해주는
완전관리형서비스
AWS Greengrass콘솔에서 기기로
모델 배포
디바이스에서모델 기반 예측
인터넷 비연결시에도 동작 가능
GREENGRASS ML INFERENCE
프리뷰 이용가능
클라우드에서 모델학습 및 훈련
N E W !
IoT 기기에서 직접 기계 학습 모델 실행을 통한 예측 가능
AWS DeepLens에Greengrass 코어 탑재
실시간 비디오 배치 및 인지 서비스
NEW!
Amazon Rekognition Video
프레임내 사람, 활동 등에 대한 인지
객체, 장면, 움직임 인지
사람 인지 및 확인
유명 인사 인지
비정상 콘텐츠 감지
Amazon Kinesis Video Streams비디오 , 오디오 및 실시간 인코딩 데이터를 손쉽게 수집 및 전달 가능
사례 : 공공안전부분즉각적인대응
Live Street Camera Amazon Kinesis Video Streams Amazon Rekognition Video
1. 카메라에서수집된비디오스트림을Kinesis Video Streams를통하여처리 2. Rekognition Video가비디오를분석
하고수백만개의얼굴과비디오에등장하는얼굴을비교
용의자 실시간 인식
End User
3. 찾는사람이발견되었을 때SMS 등을통하여알림
Amazon SNS AWS Lambda Amazon Kinesis
Streams
Rekognition Video 사용사례
예제선택 - 객체인식 (Object Detection)
1. Use a project template을선택합니다.
2. project templates에서 Object
Detection 샘플을선택합니다.
3. Next 를클릭합니다.
1. 지금예약구매가능합니다. 여러분만의컴퓨터비전애플리케이션을개발해보세요.https://www.amazon.com/dp/B075Y3CK37
2. 개발자문서를참고해첫프로젝트를시작해보세요.https://docs.aws.amazon.com/deeplens/latest/dg/what-is-deeplens.html
3. AI 블로그를통해다양한활용사례를학습해보세요.https://aws.amazon.com/blogs/ai/
본강연이끝난후…