에지에서 이루어지는 딥러닝

Guest authors

이 포스트는 Citilog의 CEO인 Eric Toffin이 작성했습니다. Eric에 대한 보다 자세한 소개는 포스트 맨 하단에서 확인하세요.

최신 ARTPEC 칩 기술에서 처리 능력이 향상됨에 따라, 카메라에 내장되어 에지 단에서 분석이 이루어지는 딥러닝 애플리케이션의 새로운 가능성이 제시되고 있습니다. Citilog의 CEO인 Eric Tofin이 지능형 트래픽 관리 솔루션의 진화와 에지 기반 딥러닝 기술의 이점을 설명합니다.

에지 기반 딥러닝의 이점

지능형 교통 시스템의 선구자로서 그리고 20년 이상의 경험을 가진 Citilog는, 수많은 최초의 기술을 경험해 오고 있습니다. 우리 업계에서 가장 중요한 두 가지는 2008년~2012년 사이에 이루어진 아날로그에서 IP 비디오로의 전환과, 2016년에 시작된 서버 기반 트래픽 관리 솔루션에서 클라우드 및 에지 기반 솔루션으로의 전환입니다.

클라우드 기반 네트워크가 도입된 이후, IoT 채택이 빠르게 증가하고 있습니다. 또한 전문가들은 IoT 장치의 수가 2025년까지 750억 개를 넘을 것 (10년 간 5배 증가)으로 예측하고 있습니다. 그러나 이러한 장치들이 너무 많은 데이터를 생성하므로 새로운 5G 네트워크도 단독으로 관리할 수 없습니다.

따라서 컴퓨팅과 서비스를 클라우드에서 네트워크 가장자리로 분산시키는 동시에 에지 디바이스의 처리 능력을 향상시키는 경주가 진행되고 있습니다. 에지 기반 솔루션이 클라우드 또는 서버 기반 컴퓨팅을 대체할 것으로 예상되지는 않지만, 우리는 2019년 신규 프로젝트의 70%가 에지 기반 분석을 포함한 것을 발견했습니다. 그리고 여기에는 몇 가지 확실한 이점이 있습니다.

  • 낮은 대역폭 소비
    아마도 가장 명백한 이점일 것입니다. 클라우드 기반 교육 및 추론 모델에서는 엄청난 양의 미가공 데이터를 클라우드로 전송하기 위한 장치가 필요하며, 막대한 네트워크 대역폭이 소비됩니다. 반대로, 에지 기반 딥러닝은 분석된 메타데이터만 전송하며 사용 가능한 대역폭의 작은 부분만 필요로 합니다.
  • 지연 시간 감소
    고속 트래픽 사고 관리의 경우, 지연 시간은 사고의 근본 원인을 캡처하느냐 완전히 누락하느냐의 차이를 만들 수 있습니다. 이제 에지 기반 딥러닝은 중앙 통신 없는 실시간 애플리케이션을 제공할 수 있습니다. 이는 역주행 감지 등 감지 시간이 절대적으로 중요한 경우에 큰 이점을 가져옵니다.
  • 신뢰성 향상
    클라우드 또는 서버 기반 분석은 무선 네트워크에 크게 의존하기 때문에, 서비스 중단이 발생하면 결과에 상당한 영향을 미칠 수 있습니다. 그러나 에지 기반 딥러닝은 모든 컴퓨팅이 기기 자체에서 발생하므로 네트워크 커버리지가 간헐적으로 중단되는 상황의 영향을 덜 받습니다.
  • 개인 정보 보호 규정 준수
    최우선 고려 사항은 아닐 수도 있지만, 번호판 번호와 같은 개인 정보는 점점 더 개인 정보 보호 규정에 의해 보호되고 있습니다. 클라우드로 전송되는 개인 데이터의 양을 최소화하면 개인 정보 보호 규정 준수를 보장할 수 있습니다.
  • 비용 절감
    대량의 미가공 데이터가 아닌 분석된 메타데이터를 전송하면 추가 스토리지 디바이스나 과도한 클라우드 기반 스토리지 비용이 필요하지 않습니다. 이 시스템은 하드웨어 및 스토리지 비용을 절감할 뿐 아니라 전력 소비량도 훨씬 적어, 비용 및 환경적 영향을 최소화합니다.

더 나은 성능을 위한 딥러닝

딥러닝 솔루션이 서버 기반이든 클라우드 기반이든 또는 에지 기반이든 (혹은 하이브리드 버전이든) 관계 없이, 딥러닝의 진정한 가치가 어디에 있는지 이해하는 것이 중요합니다. 요컨데, 비디오 분석은 교통 당국이 도로 상에서 있는 압도적인 숫자의 카메라를 모니터링하는 것을 돕기 위해 수 년간 사용되어 왔습니다.

앞서 블로그에서 논의한 바와 같이, 단순한 경고 기반 모니터링이 가진 가장 큰 문제는 때때로 많은 수의 허위 경보가 생성된다는 것입니다. 특히 트래픽 관리에서는, 효과적인 비디오 기반 사고 관리 솔루션이 지금까지 통제된 조명 조건을 갖춘 터널로 제한되어 왔다는 것을 의미합니다.

그러나 데이터를 감지, 식별 및 분류하기 위한 심층 신경망(DNN. Deep Neural Network)의 도입으로 이제 차량, 자전거 및 사람을 구별할 수 있게 되었습니다. 또한 비디오 솔루션은 다양하게 변화하는 조명 조건에서 그림자, 반사, 눈부심을 인식하도록 훈련될 수 있으므로, 허위 경보 발생률이 감소하고 효과적인 비디오 기반 사고 관리 기능을 고속도로 및 교량까지 확대할 수 있습니다.

딥러닝 “과대 광고”에 주의하십시오

많은 기술 트렌드와 마찬가지로, 인공지능(AI)도 많은 혼란과 잘못된 기대를 낳고 있습니다. 하지만 현실은 모든 딥러닝 솔루션이 동등한 수준으로 만들어지는 것은 아닙니다. 다른 지능형 비디오 애플리케이션과 마찬가지로, 실시간 트래픽 관리 솔루션의 품질은 두 가지 주요 요소 – 탄탄한 데이터 세트와 이미지 품질에 의존합니다. Citilog의 솔루션은 트래픽 사고 관리 분야에서 20년 이상의 경험을 쌓은 수만 개의 관련 고품질 비디오 이미지에 대해 “훈련”되어 있습니다. 또한 업계에서 가장 낮은 허위 경보 발생률과 함께 실행 가능한 이벤트를 안정적으로 감지하는 성능에서도 입증됩니다. 이제 Citilog의 심층 신경망(DNN. Deep Neural Network)과 Axis의 비디오 기술이 독특하게 결합되어 에지 기반의 딥러닝이 가능해졌습니다. 그리고 우리의 솔루션은 전세계 교통 당국에 더 나은 감지 성능과 더 낮은 허위 경보율을 제공하고 있습니다.

 

더 스마트한 도로를 위한 Citilog의 솔루션을 자세히 살펴보세요.

보다 스마트한 도로를 위한 파트너십

 

Eric Toffin은 Citilog의 최고경영자(CEO)입니다. 그는 기계 공학 분야의 배경과 20년간의 현장 경험을 바탕으로 ITS(Intelligent Transport System) 산업의 기술과 시장 요구 사항을 모두 잘 이해하고 있습니다. Citilog 발전 초기에 입사하여 회사가 트래픽 관리를 위한 비디오 분석 업계의 선두주자로 성장할 수 있도록 도왔습니다.

Citilog는 보다 스마트한 모빌리티를 위한 비디오 기반의 트래픽 관리 솔루션을 통해 도로의 교통 흐름이 보다 안전하고 자유롭게 이루어지도록 기여합니다.