[정보] Amazon DeepLens와 컴퓨터 비전 딥러닝 어플리케이션 활용

Amazon DeepLens와 컴퓨터 비전 딥러닝 어플리케이션 활용 관련 자료입니다.

내용 참고 하시기 바랍니다.

 

 

AWS CLOUD 2018- Amazon DeepLens와 컴퓨터 비전 딥러닝 어플리케이션 활용 (강정희 솔루션즈 아키텍트) from Amazon Web Services Korea

 

1. Amazon DeepLens와 컴퓨터 비전 딥러닝 어플리케이션 활용 강정희 / AWS 솔루션즈 아키텍트
2.  목차 • 기존의 컴퓨터 비전 개발 환경 • DeepLens 소개 • AWS 컴퓨터 비전 딥러닝 서비스와의 통합 • DeepLens 데모
3.  기존의 컴퓨터 비전 개발 환경
4.  활용가능한 이미지의 폭발적인 성장 추세 Amazon S3 이미지 데이터량 증가 추이 “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
 5.  다양한 컴퓨터 비전의 활용 영역 거의 모든 사업군에서 이미지의 활용은 중요하지만, 이미지와 비디오를 지능적으로 분석하는 컴퓨터 비전을 위해서는 딥러닝과 이를 활용하는 개발환경 구성 등 다양한 요소가 필요합니다.
6.  FRAMEWORKS AND INTERFACES AW S DEEP LEARNING API 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 Rekognition Amazon Poll y Amazon Le x Amazon Rekognition Vide o Amazon Transcribe Amazon Translate Amazon Comprehe nd Alexa for Business V R / I R Amazon Sumerian Amazon Kinesis Video Streams AWS 머신러닝 스택과 컴퓨터 비전 Amazon SageMaker AWS DeepLens
 7.  기존의 컴퓨터 비전 클라이언트 개발 환경 Rasberry Pi PC (Laptop) 스마트폰
8.  기존의 컴퓨터 비전 개발 환경 : Rasberry Pi 예 - 스마트 초인종 데모 (AWS Seoul Summit 2017) 라즈베리파이 그래픽 처리 성능 낮음 가격 $ 훈련된 모델 배포 직접 수행 하드웨어 구성 직접 수행 AWS 서비스 통합 직접 수행 전용 예제 프레임워크 별 제공, 직접 배포 가능
9.  기존의 컴퓨터 비전 개발 환경 : PC (Laptop) PC (Laptop) 그래픽 처리 성능 다양(높음) 가격 $$$(다양) 훈련된 모델 배포 직접 수행 하드웨어 구성 직접 수행 AWS 서비스 통합 직접 수행 전용 예제 프레임워크 별 제공, 직접 배포 가능 예 - 인공지능 등록데스크 (AWS Cloud 2018)
 10.  기존의 컴퓨터 비전 개발 환경 : 스마트폰 스마트폰 그래픽 처리 성능 다양(높음) 가격 $$$(다양) 훈련된 모델 배포 직접 수행 하드웨어 구성 불필요 AWS 서비스 통합 Mobile Hub 전용 예제 프레임워크 별 제공, 직접 배포 가능 예 - Amazon.com 모바일 앱 상품 검색
11.  DeepLens 소개
12.  AWS DEEPLENS는 단지 비디오 카메라가 아닙니다. …세계 최초의 딥러닝 활용가능한 개발자 키트 입니다.
13.  AWS DeepLens HD video camera Custom-designed deep learning inference engine Micro-SD Mini-HDMI USB USB Reset Audio out Power 다양한 튜토리얼, 예제 및 데모, 모델 제공 10분 이내에 데이터 모델 활용 가능 10 MIN 딥러닝 최적화 CPU를 탑재 기기 Amazon SageMaker 및 AWS Lambda 연동
14.  기술 사양 • 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
 15.  다양한 샘플 프로젝트 프로젝트에 기능을 추가하거나 여러분만의 프로젝트를 생성해보세요. 예술적 스타일로 변환 객체 감지 얼굴감지 / 인식 핫도그 / 핫도그 아님 고양이 VS. 개행동 감지
16.  컴퓨터 비전 개발 환경 비교 라즈베리파이 PC (Laptop) 스마트폰 DeepLens 그래픽 처리 성능 낮음 다양(높음) 다양(높음) 높음 가격 $ $$$(다양) $$$(다양) $$ 훈련된 모델 배포 직접 수행 직접 수행 직접 수행 콘솔을 통한 손쉬운 프로젝트 관리 및 배포 하드웨어 구성 직접 수행 직접 수행 불필요 불필요 AWS 서비스 통합 직접 수행 직접 수행 Mobile Hub 관련 서비스가 기본적으로 통합 (Greenglass, IoT, Sagemaker) 전용 예제 프레임워크 별 제공, 직접 배포 가능 프레임워크 별 제공, 직접 배포 가능 프레임워크 별 제공, 직접 배포 가능 샘플 프로젝트 제공 NEW !
 17.  기기 구입 • Amazon.com에서 예약 구매가 가능합니다. (4월 경 출시 예정) • 가격 - 249 USD https://www.amazon.com/dp/B075Y3CK37
 18.  AWS 컴퓨터 비전 딥러닝 서비스와의 통합
19.  딥러닝 개요 데이터 모델 트레이닝 추론 (Inference)
 20.  데이터 주석 달기 전 전 전 전 전 전 전 전
21.  모델 트레이닝 • 모델의 아키텍쳐를 정의하는 과정입니다. • 주석이 달린, 정제된 데이터를 모델에 제공합니다. • 모델 훈련을 위해 이를 여러 번 반복(epochs)합니다. • 미리 별도로 분리한 데이터 세트(Validation set)를 바탕으로 모델 검증합니다. Large, annotated dataset Training set Validation set Training Validate
 22.  추론 (Inference) 이 단계가 실제로 마법이 일어나는 부분 입니다! 1. 새로운 데이터/이미지를 training set과 마찬가지로 전처리 수행합니다. 2. 해당 데이터/이미지에 trained model을 적용해 예측된 결과값을 얻습니다.
23.  AWS DeepLens 아키텍처 Video out Data out 추 론 프 로 젝 트 배 포 Manage device Security Console Project Management AWS Cloud Intel: Model Optimizer cIDNN and Driver
 24.  Amazon SageMaker 완전 관리 및 자동 스케일링 배포 원클릭 배포 생성 Jupyter Notebook 기반 서비스 고성능 알고리즘 미리 제공 원클릭 데이터 훈련 훈련 Hyper- parameter 최적화 NEW! 데이터 과학자와 개발자들이 스마트 어플리케이션에 사용될 머신러닝 기반의 모델을 빠르고 쉽게 만들도록 해주는 완전 관리형 서비스
25.  AWS Greengrass 콘솔에서 기기로 모델 배포 디바이스에서 모델 기반 예측 인터넷 비연결시에 도 동작 가능 GREENGRASS ML INFERENCE 프리뷰 이용가능 클라우드에서 모델 학습 및 훈련 NE W! IoT 기기에서 직접 기계 학습 모델 실행을 통한 예측 가능 AWS DeepLens에 Greengrass 코어 탑재
26.  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 Streams 비디오, 오디오 및 실시간 인코딩 데이터 를 손쉽게 수집 및 전달 가능
27.  사례 : 공공 안전 부분 즉각적인 대응 Live Street Camera Amazon Kinesis Video Streams Amazon Rekognition Video 1. 카메라에서 수집된 비디오 스트림을 Kinesis Video Streams를 통하여 처리 2. Rekognition Video가 비디오를 분석 하고 수백만 개의 얼굴과 비디오에 등장 하는 얼굴을 비교 용 의 자 실 시 간 인 식 End User 3. 찾는 사람이 발견되었을 때 SMS 등을 통하여 알림 Amazon SNS AWS Lambda Amazon Kinesis Streams Rekognition Video 사용 사례
28.  Kinesis Video Stream 사용 사례
29.  데모 샘플 프로젝트 배포해보기
30.  기기 등록
31.  기기 등록 1. 인증서를 다운받아 안전한 장소에 보관합니다. 2. IAM Role을 지정합니다.
32.  기기 등록 1. 전원을 키고 DeepLens의 Wifi Network에 접속하여 등록을 마무리합니다.
33.  신규 프로젝트 생성 1. Create new Project 버튼을 클릭합니다.
34.  예제 선택 - 객체 인식 (Object Detection) 1. Use a project template을 선택합니다. 2. project templates에서 Object Detection 샘플을 선택합니다. 3. Next 를 클릭합니다.
35.  프로젝트 이름 설정 1. 프로젝트 명을 정합니다. 2. Create 를 클릭합니다.
36.  프로젝트를 기기에 배포 1. 전 전 전 전 전 전 전 전 전 전 전 전 전 . 2. Deploy to device전 전 전 전 전 전 .
37.  배포할 디바이스 선택 1. 배포할 디바이스를 선택합니다. 2. Review를 클릭합니다.
38.  배포 1. Deploy를 클릭합니다.
39.  프로젝트 배포 중 상태 표시 파란 색 배너 = 배포중 초록 색 배너 = 배포가 성공적으로 완료됨
40.  DeepLens 내부 동작 • 클라우드에서 기기로 • 기기 내에서는…
41.  1. 지금 예약 구매가능합니다. 여러분만의 컴퓨터 비전 애플리케이션을 개발해보세요. https://www.amazon.com/dp/B075Y3CK37 2. 개발자 문서를 참고해 첫 프로젝트를 시작해보세요. https://docs.aws.amazon.com/deeplens/latest/dg/what-is-deeplens.html 3. AI 블로그를 통해 다양한 활용 사례를 학습해보세요. https://aws.amazon.com/blogs/ai/ 본 강연이 끝난 후…
42.  감사합니다