Vision 시스템과 머신러닝의 효율적인 연동을 위한 솔루션 아키텍쳐 구현의 이해

2022년까지 비전 하드웨어 시장 규모는 50억달러에서 370억 달러로 성장

컴퓨터 비전분야는 현재 보안, 로봇공학, 자율주행차, 농업에 이르기까지 많은 분야에 사용되고 있습니다. 특히 클라우드 기반의 머신러닝과 딥러닝을 구현하며 이를 통해 분석된 데이터를 토대로 AI가 실물 경제에 영향력을 미칠 시기가 멀지 않았습니다. 시장조사 기관인 Tractica에 따르면 2015년 50억달러에 이르던 컴퓨터 비전 하드웨어 시장이 2022년에는 무려 6배 이상 성장하는 370억 달러에 이른다고 발표하였으며, 여기에는 보안, 의료, 자동차, 스포츠 및 엔터테인먼트, 소비재, 로봇공학 및 머신 비젼, 조매, 농업에 이르기까지 다양하게 사용될 것으로 보여집니다.

비젼 시스템과 머신러닝 연동을 지금 주시해야 하는 이유

하드웨어와 소프트웨어가 개선되고 컴퓨터 비전 시장이 발전하면서 현재 100%의 정확도를 달성하기 위한 치열한 경쟁이 시작되었습니다. 이미지 인식과 분류에 쓰이는 기술로는 나선 구조신경망 CNN 이 채택되었으며, 겨우 5년 밖에 되지 않은 짧은 시간 안에 급속한 에코시스템이 발전되어, 컴퓨터 비젼 제품 개발에 가속도가 붙었습니다. 하지만 기업체 입장에서 새로운 솔루션 개발을 시작하기 위해서는 극복햐야 하는 몇가지 주된 시장 장애물도 있습니다. 먼저….

비젼 시스템 아키텍쳐의 핵심 구조

딥 러닝 알고리즘은 수십억 개의 연산을 수행하며 빠른 결과를 도출해야 합니다. 이러한 시스템은 CPU/DSP, GPU, FPGA, 임베디드 FPGA 또는 ASIC 기술을 사용하여 솔루션을 구현할 수 있습니다. 이들은 각각 장단점이 있으며, 현재는 GPU가 주요 기술입니다. 하지만 GPU는 전력 소모량이 매우 많으며 온 보드 시스템에는 적합하지 않을 수도 있습니다. 또한 GPU를 사용하면 특정 알고리즘에 맞춤식으로 제작하는 등 하드웨어를 유연하게 ….

C++ 코드를 쓰고 있다면 HLS를 지금 봐야 하는 이유

알고리즘 개발자들은 C++로 코드를 작성하는 것을 선호하며, Verilog나 VHDL과 같은 레지스터 전송 언어 (RTL)를 따로 배우는 것은 내키지 않아 합니다. 또한 하드웨어 구현 프로세스에 필요한 툴이나 방법론을 쓰는 것도 원하지 않습니다. 이 문제를 해결하기 위해 몇몇 알고리즘 개발자들은 우선 C++로 코드를 작성한 다음 HLS(High-Level Synthesis) 툴을 사용하여 빠르게 트레이드오프를 실행한 다음 자동으로 RTL을 생성하는 방법을 택합니다. 이들은 새 알고리즘을 여러 가지 구현으로 시도해볼 수 있고, 하드웨어나 소프트웨어에서 이들 알고리즘을 구현하면…