|
원문 링크 AxxonSoft는 파트너 네트워크를 지속적으로 확장하고 있습니다. 지난 4 월에는 동아프리카 지사와 SGA Security가 파트너십을 체결했습니다. SGA Security는 케냐, 우간다, 탄자니아 및 기타 대륙에 서비스를 제공하는 지역 최고의 보안 업체입니다.
SGA와 AxxonSoft 동아프리카의 양사 대표는 이 협력관계를 통해 동아프리카 지역의 보안 시장에 새로운 장을 여는데 도움을 줄 것으로 확신하고 있습니다.  <<SGA Security는 기술 혁신을 통해 동아프리카 지역의 트렌드 세터가 된 것에 자부심을 느낍니다. 지능형 시스템을 사용하여 고객과 지역 사회를 위한 안전 및 보안에 대한 끊임없는 헌신과 지원이 이루어질 것입니다. 글로벌 보안 업체인 AxxonSoft와의 협력을 통해 이벤트 관리, 교통 모니터링, 매장 관리, 셀프 계산대 자동 모니터링, 주요 사회기반시설의 안전을 극대화하는 출입 제한을 위한 최첨단 기술을 우리 고객에게 제공할 수 있게 될 것입니다.>> — Jules Delahaije, SGA 대표  <<AxxonSoft의 주요 목표는 지금까지 계속해서 세계적으로 명성을 쌓아온 것과 동일한 고품질의 제품과 서비스를 제공하여 고객의 요구에 부응하고자 최선을 다하는 것입니다. 이 목표 달성을 위해 우리는 비즈니스를 성장시킬 새로운 시장과 파트너를 항상 찾고 있습니다. 이번에는 첨단 서비스, 뛰어난 제품 및 명성으로 동아프리카 지역에 대단한 가치를 제공하는 Security Group Africa와 좋은 관계를 맺게 되었습니다. 우리의 파트너십을 통해 동아프리카가 직면한 많은 보안 문제를 해결할 혁신적이고 강력한 보안 솔루션을 개발하는 데 큰 도움을 줄 수 있을 것으로 기대합니다.>> — Joseph Muremba, AxxonSoft EA 매니저
0 Comments
 또딥러닝이 기존 방식과 어떻게 다르고 또 어떻게 작동할까요?AxxonSoft의 대표이사 Murat씨가 IPVM에 게시한 내용입니다. 원문은 다음 링크를 클릭하시면 확인 가능합니다. 20여년 전 우리가 처음 개발한 제품이 움직임 검출기(motion detector)였습니다. 당시에는 비디오를 압축하는데 필요한 CPU 성능이 떨어졌고 녹화에 필요한HDD 공간도 부족했기 때문에 우리는 AI가 움직임을 감지하면 컴퓨터에서 나오는 IR 신호를 통해 비디오 카세트 레코더(VCR)를 제어했습니다. 많은 테이프를 절약할 수 있었으니 얼마나 잘 한 일인가요! 하지만 그 때부터 비디오 분석에 대한 기대가 높아지기 시작했습니다. 더 정밀하고 더 많은 정보를 얻을 수 있기를 원했죠. 그러나 20년이 지난 지금까지도 우리는 움직임 검출기에 거의 같은 알고리즘을 사용하고 있습니다. 왜 일까요?
두 가지 이유 때문입니다. 첫째로 단순한 움직임 감지 이상의 기능을 수행하는 적합한 알고리즘을 찾는 것이 어렵기 때문이고 둘째는 좋은 아이디어가 있다고 하더라도 그 알고리즘에 대해 10배 이상의 CPU 리소스가 필요하다는 것이 너무나 명백하기 때문이죠. 뿐만 아니라 지난 20년간 충분한 리소스를 가져본 적이 없지요. 강력한 성능의 플랫폼을 보유하고 있으면 우리는 더 많은 카메라를 그 플랫폼에 추가하기를 원합니다. 그래서 현재 우리는 한 서버에 1500대 이상의 카메라를 추가하고 고급 기능인 움직임 검출기에는 리소스를 할당하지 않으려 합니다. 우리는 카메라 자체에서 움직임이 감지되어 보고 되기를 원하며 이는 훌륭한 아이디어라고 생각합니다. 따라서 20년이 흐른 지금에도 우리는 서버 기반의 움직임 검출기는 필요로 하지 않으며 이는 적절한 진척이라고 생각합니다. 딥러닝 학습 방식, 그 차이점은 무엇입니까? 신경망 모델(Neural networks)은 40년 전 고안되었습니다. 그렇다면 현재 사회에 큰 영향을 준 것은 어떤 사건 때문일까요? 그래픽을 가속화하기 위한Nvidia의 병렬 컴퓨팅(parallel computing)이 개발되는 동안 이 아키텍처가 신경망 모델 계산을 가속화하는데 엄청난 역할을 한다는 것이 우연히 발견되었습니다. 그래서 누구나 이런 계산을 할 수 있게 되었죠. 지금은 거의 모든 사람들이 신경망 모델을 학습을 시켜서 강력한 인식 결과를 얻을 수 있게 되었습니다. 더 이상 알고리즘에 투자할 필요도 없고 동일한 CPU 리소스를 두고 경쟁할 필요도 없습니다. 이제 무엇이든 감지할 수 있도록 네트워크를 학습시키고 별도의 프로세서에서 이 네트워크를 실행시키면 되는 아주 정밀한 지능형 기술을 보유하고 있습니다. 딥러닝이 기존의 알고리즘보다 우수한 이유는 무엇인가요? 기존 방식으로 무엇인가를 감지하기 위해서는 우선 알고리즘을 개발해야 했습니다. 게다가 모든 결과를 예측할 수 없기 때문에 알고리즘이 완벽할거라는 보장도 없었습니다. 하지만 립러닝 방식은 다릅니다. 학습 과정에서 영상을 통해AI에게 감지하고자 하는 객체가 무엇인지만 인지시켜주면 됩니다. 신경망 모델은 뉴런을 조정하여 인식을 합니다. 간단하죠! 이는 인간의 뇌가 작동하는 것과 동일한 과정입니다. 얼굴 인식을 예로 들어보겠습니다. 기존에 사용된 모든 FR(얼굴인식) 알고리즘은 얼굴의 유사성을 결정짓는 다른 아이디어들을 기반으로 짜여 있습니다. 컴퓨터 언어로 말하자면, 얼굴의 어떤 파라미터들을 비교하여 유사한지 여부를 판단하는 것입니다. 눈 사이의 거리 혹은 코의 모양 아니면 그 외 다른 부분을 비교할까요? 얼굴을 비교해서 어떤 얼굴이 같다고 인식하는지 우리는 실제로 알 수 없습니다. 특히, 다른 조건 하에서는 더욱 알기 어렵습니다. 그러나 딥러닝과 신경망 모델을 사용하면 단순히 다른 얼굴들을 보여주고 컴퓨터에게 어떤 얼굴이 같은 얼굴인지만 학습시키면 되니 간단한 일입니다. 모든 것이 데이터 설정에 따라 달라진다는 것을 명심해야 합니다. 다양한 얼굴, 여러 각도에서의 뷰, 다른 연령대, 다양한 조명 등의 설정이 있다면 네트워크도 이런 다양한 조건 하에서 학습이 필요합니다. 다른 해상도로도 학습이 가능합니다. 이는 신경망 모델이 인간의 두뇌보다 나은 결과를 보여줘야 한다는 것을 의미합니다. 인간은 수백명의 얼굴을 기억해서 바로 어떤 얼굴이 유사한지의 여부를 판단할 수 없으니 이미 AI가 인간의 두뇌보다 더 낫다는 결론을 지을 수 있습니다. 더 기대되는 점은 무엇입니까? Nvidia의 놀라운 성능 덕분에 우리는 이종의 하드웨어에서 신경망이 빠르게 구현되도록 성능을 진척시킬 수 있었습니다. 인텔은 Movidius를 인수했고 HiSilicon은 신경망 가속 프로세서가 탑재된 새로운 카메라 칩을 발표했습니다. 이는 원하는 기능을 사용하기 위해서는 모든 카메라가 신경망을 학습시켜야 한다는 것을 의미합니다. 그러므로 지난 20년 동안 움직임 검출기에 거의 같은 알고리즘을 사용하고 있었다고 하더라도 인간의 눈보다도 우수한, 거의 모든 것을 감지할 수 있는 수준으로 발전을 이루었습니다. 믿기 어렵겠지만 앨런튜링이 예언한 인간보다 복잡한 계산을 처리하는 오늘날의 컴퓨터 시대가 도래했습니다. 그러나 여전히 근본적인 질문에 대한 답이 충족된 것은 아닙니다. 이 새로운 기술로 우리는 정말 무엇을 할 수 있을까요? 우리가 누릴 수 있는 혜택은 무엇일까요? 어떤 기능을 탐구할 수 있을까요? 어느 영역에서 보안의 효율성을 향상시킬 수 있을까요? 다음 토론에서 이와 같은 질문에 대한 저의 의견을 나누겠습니다. |
AxxonsoftKorea Office Archives
July 2023
Categories |
RSS Feed