헬로티 서재창 기자 | 자일링스와 임베디드 AI 자율주행 공급업체인 모토비스는 자일링스의 자동차 등급(XA) 징크 SoC 플랫폼과 모토비스의 CNN(Convolutional Neural Network) IP를 결합해 자동차 시장, 특히 전방 카메라 시스템의 차량 인식 및 제어를 위한 솔루션을 제공하기 위해 협력하고 있다고 밝혔다. 이 솔루션은 고객들이 개발을 가속화하고, 향상시킬 수 있는 견고한 플랫폼을 제공하고자 하는 자일링스의 기업 전략에 기반하고 있다. 전방 카메라 시스템은 차선유지 보조장치(Lane-Keeping Assistance 이하 LKA), 자동 비상제동(Automatic Emergency Braking 이하 AEB), 적응형 순항제어(Adaptive Cruise Control, 이하 ACC) 등과 같이 중요한 안전 기능에서 요구되는 첨단 감지 기능을 제공하는 첨단 운전자 지원 시스템의 핵심 요소다. 현재 이용 가능한 이 솔루션은 CNN을 활용하여 유럽 신차 평가 프로그램(European New Car Assessment Program 이하 NCAP) 2022 요건에 필요한 다양한 파라미터를 지원하며, 짧은 처리시간의 이미지 프로세싱과 유연성
[첨단 헬로티] 머신비전산업에서 인공지능 기술(머신러닝, 딥러닝)이 빠르게 확산되고 있다. 인공지능 기술을 통해 기존의 컴퓨터비전 기술로는 어려웠던 검사가 가능해질 뿐만 아니라 ‘데이터의 자기 학습’으로 보다 빠르고 쉬우며 신뢰성과 유연성을 갖춘 머신비전 검사가 가능해졌다. 이에 따라 자연스럽게 인공지능 기술에 대한 관심이 높아지고 있다. 국내 대표적인 머신비전 전문업체인 라온피플은 ‘LAON PEOPLE’s 머신러닝 아카데미’를 통해 인공지능의 대표적인 기술인 머신러닝 기술에 대해 연재한다. CNN(Convolutional Neural Network) – "GoogLeNet (part1)" 2014년 ILSVRC는 구글의 GoogLeNet이 차지하였고, 아주 근소한 차이로 옥스퍼드 대학교의 VGGNet이 2위를 차지한다. 그런데 여기서 주목해야 할 것은 2014년부터 CNN의 구조에 큰 변화가 나타나기 시작한다는 점이다. AlexNet이나 ZFNet 그리고 원조격인 LeNet5는 2014년 구조에 비하면 아주 단순한 편이며, 전형적인 형태를 취하고 있고, 망의 깊이도 10 layer 미만이다.
[첨단 헬로티] 머신비전산업에서 인공지능 기술(머신러닝, 딥러닝)이 빠르게 확산되고 있다. 인공지능 기술을 통해 기존의 컴퓨터비전 기술로는 어려웠던 검사가 가능해질 뿐만 아니라 ‘데이터의 자기 학습’으로 보다 빠르고 쉬우며 신뢰성과 유연성을 갖춘 머신비전 검사가 가능해졌다. 이에 따라 자연스럽게 인공지능 기술에 대한 관심이 높아지고 있다. 국내 대표적인 머신비전 전문업체인 라온피플은 ‘LAON PEOPLE’s 머신러닝 아카데미’를 통해 인공지능의 대표적인 기술인 머신러닝 기술에 대해 연재한다. CNN(Convolutional Neural Network) – "GoogLeNet (part1)" 2014년 ILSVRC는 구글의 GoogLeNet이 차지하였고, 아주 근소한 차이로 옥스퍼드 대학교의 VGGNet이 2위를 차지한다. 그런데 여기서 주목해야 할 것은 2014년부터 CNN의 구조에 큰 변화가 나타나기 시작한다는 점이다. AlexNet이나 ZFNet 그리고 원조격인 LeNet5는 2014년 구조에 비하면 아주 단순한 편이며, 전형적인 형태를 취하고 있고, 망의 깊이도 10 layer 미만이다.
[첨단 헬로티] 머신비전산업에서 인공지능 기술(머신러닝, 딥러닝)이 빠르게 확산되고 있다. 인공지능 기술을 통해 기존의 컴퓨터비전 기술로는 어려웠던 검사가 가능해질 뿐만 아니라 ‘데이터의 자기 학습’으로 보다 빠르고 쉬우며 신뢰성과 유연성을 갖춘 머신비전 검사가 가능해졌다. 이에 따라 자연스럽게 인공지능 기술에 대한 관심이 높아지고 있다. 국내 대표적인 머신비전 전문업체인 라온피플은 ‘LAON PEOPLE’s 머신러닝 아카데미’를 통해 인공지능의 대표적인 기술인 머신러닝 기술에 대해 연재한다. AlexNet 대 ZFNet 앞서 살펴본 AlexNet의 구조는 그림과 같다. AlexNet은 2개의 GPU를 활용하는 구조를 취하고 있으며, 필요에 따라 inter-GPU/intra-GPU 통신 구조를 취하고 있다. Zeiler는 Visualization 기법을 활용하여, AlexNet의 구조의 문제점을 지적한다. AlexNet 설계자들은 2개의 GPU에 구현하면서 많은 고민을 했을 것이라 생각되지만, 결국 Zeiler에 의해서 그들의 구조가 최적이 아니었음이 증명이 된다. 위 그림2의 (b)와 (d)는 AlexN
머신비전산업에서 인공지능 기술(머신러닝, 딥러닝)이 빠르게 확산되고 있다. 인공지능 기술을 통해 기존의 컴퓨터비전 기술로는 어려웠던 검사가 가능해질 뿐만 아니라 ‘데이터의 자기 학습’으로 보다 빠르고 쉬우며 신뢰성과 유연성을 갖춘 머신비전 검사가 가능해졌다. 이에 따라 자연스럽게 인공지능 기술에 대한 관심이 높아지고 있다. 국내 대표적인 머신비전 전문업체인 라온피플은 ‘LAON PEOPLE’s 머신러닝 아카데미’를 통해 인공지능의 대표적인 기술인 머신러닝 기술에 대해 연재한다. 1. CNN 개요 ?CNN(Convolutional Neural Network)의 역사 CNN은 1989년 LeCun이 발표한 논문(“Backpropagation applied to handwritten zip code recognition”)에서 처음 소개가 되었고, 필기체 zip code 인식을 위한 프로젝트를 통해 개발이 되었다. LeCun이 처음 소개한 CNN은 필기체 인식에 있어서는 매우 의미 있는 결과가 나왔지만, 범용화에는 아직 미흡하였다. 이후 2003년 Behnke의 논문(“Hiera
국내 연구진이 딥러닝을 보다 효율적으로 처리하는 인공지능 반도체를 개발했다. 한국과학기술원(이하 카이스트) 유회준 교수 연구팀은 팹리스 반도체 스타트업인 유엑스 팩토리와 공동으로 가변 인공신경망 등의 기술을 적용해 이 기술을 개발하게 됐다. 이 연구는 지난 2월 미국 샌프란시스코에서 열린 국제고체회로설계학회(ISSCC)에서 발표되며 많은 주목을 받기도 했다. 모바일에서 인공지능을 구현하기 위해서는 고속 연산을 저전력으로 처리해야 하지만, 현재는 연산 속도가 느리고 전력 소모가 큰 소프트웨어 기술을 활용하고 있어, 인공지능 가속 프로세서 개발이 필수적이다. 에너지 효율을 높이기 위한 인공지능 반도체 개발이 NVIDIA, Google을 포함한 기업과, Stanford, MIT등의 학계에서도 이루어지고 있으나, 통합된 코어 구조를 갖는 동시에 완전 가변 가능한 인공신경망을 지원하는 반도체 칩은 개발되지 못했다. 연구팀은 하나의 칩으로 회선 신경망(CNN: Convolutional NeuralNetwork)과 재귀 신경망(RNN: Recurrent Neural Network)을 동시에 처리할 수 있고, 인식 대상에 따라 에너지효율과 정확도를 다르게 설정할 수 있는
상호명(명칭) : (주)첨단 | 등록번호 : 서울,자00420 | 등록일자 : 2013년05월15일 | 제호 :헬로티(helloT) | 발행인 : 이종춘 | 편집인 : 김진희 |
본점 : 서울시 마포구 양화로 127, 3층, 지점 : 경기도 파주시 심학산로 10, 3층 | 발행일자 : 2012년 4월1일 | 청소년보호책임자 : 김유활 | 대표이사 : 이준원 | 사업자등록번호 : 118-81-03520 | 전화 : 02-3142-4151 | 팩스 : 02-338-3453 | 통신판매번호 : 제 2013-서울마포-1032호
copyright(c) HelloT all right reserved
UPDATE: 2025년 11월 22일 11시 56분
