60 Expert Column 라온피플 윤기욱 CTO AI 기술의 Data 관점으로의 혁신 ‘Navi AI toolkit v5.0’ 최근 딥러닝 기술을 이용한 연구, 교육, 사업의 다방면의 측면에서 활 발한 활동을 하고 있는 딥러닝 분야의 유명 인사인 앤드류응 Andrew Ng 은 인공지능 학회인 neurIPS에서 데이터 중심으로 AI를 접근하는 방법론의 중요성을 강조하며 datacentric AI 워크샵을 진행했다. 이는 AI의 개발 프로세스는 AI가 더 나은 결과를 얻기 위해서는 모델 의 개선보다 데이터의 개선이 더 효율적이고 실질적으로 더 높은 성 능을 얻을 수 있다는 주장이다. 아래 그림1과 같은 AI 개발 프로세스에서 AI는 결국 데이터셋에 내포 되어 있는 편향과 편차의 한계를 극복하는 것이 주된 과정이며 이러 한 과정에서 데이터의 개선이 더욱 효율적인 결과를 준다는 의미다. 또한 실제 배포 후 이루어지는 데이터의 변화나 요구사항의 변화에 의해 AI의 성능도 달라져야 하는데 이는 결국 데이터의 변경과 재학 습의 문제로 귀결됨을 알 수 있다. 라온피플의 NAVI AI toolkit은 올해로 version 5.0을 출시하며 지속적으 로 기능을 발전시켜 왔다. 초기에 룰기반 영상 처리 알고리즘들이 주 류를 차지했던 머신비전 분야로 딥러닝 기반 AI를 손쉽게 적용하기 위한 최적화 모델을 제공하여 100Mpixel의 고해상도 이미지를 하나의 GPU에서 실시간으로 추론할 수 있도록 기술을 개발하였다. 이후 더욱 현장에서 AI 기반 비전 솔루션을 구축하기 위한 시스템의 비용을 낮추고 다양한 까다로운 영상처리 조건을 만족시키기 위한 기술들을 발전시켜 왔다. 이러한 결과를 기반으로 멀티 조명 촬영 기술을 이용하여 멀티 이미 지 기반 검사 알고리즘, 대용량의 라인스캔 이미지를 별도의 전처리 과정없이 실시간으로 처리할 수 있는 패치 기반 검사 알고리즘 등을 개발하였으며, TensorRT 기반의 실시간 추론 최적화를 통해 시스템 자원 활용을 극대화하는 기술을 탑재하여 더욱 많은 효과를 제공하 였다. 올해 4월에 개최되는 아시아 최대의 산업자동화 전시회인 ‘Smart Factory+Automation World 2022’ 시점에 맞추어 출시하여 소개 예정 인 Navi AI toolkit v5.0에는 특히 최근 추세에 맞추어 데이터 중심으로 고객에게 더욱 편리한 기능을 제공하기 위한 다양한 업데이트 내용 을 포함하고 있다. 이는 AI 프로젝트가 주로 데이터를 수집하는데 많 은 시간이 소요되며, 양산 후 초기와 같은 성능을 유지하며 양산 과정 에서 생성되는 수많은 데이터를 손쉽게 관리하는 것을 주요 목적으 로 한다. 메타 데이터 관리 기능은 데이터를 별도의 부가 정보와 함께 저장하 그림 1 데이터 수집 및 모델 학습 평가 배포 및 적용 레이블링 프로젝트수립
Machine Vision & Imaging | 2022•4 61 그림 2 Metadata DefectGen Feature vector analysis Document 기반의 metadata database관리 자유롭게 원하는 위치, 형태, 강도로 불량 이미지 생성 가능 High level feature 추출 기능을 통해 더욱 다양한 데이터 분석이 가능해집니다. •데이터에 추가적으로 다양한 부가 정보를 같이 저 장하여 이력관리가 가능 •Metadata filtering 기능으로 데이터셋 관리가 매우 쉬워짐 •원하는 항목을 자유롭게 생성하고 기록하여 관리할 수 있음 •원하는 위치에 특정 불량을 생성할 수 있음 •다양한 생성 조건과 세기 옵션으로 다양한 불량 생성 가능 •빠른 생성 알고리즘으로 많은 수량의 데이터 확보 가능 •데이터 수집 과정에서 활용하여 더욱 빠른 학습 수행 가능 •대량의 데이터에 대해서 추가적으로 학습하거나 평가할 이미지들을 손쉽게 선택 그림 3 고 조회할 수 있게 함으로써 시간이 지나도 데이터를 수집할 때부터 고려되었던 사항들을 확인할 수 있으며 별도의 목적에 따라 다양하 게 하위 데이터 셋을 구성하여 데이터의 활용성을 더욱 극대화할 수 있게 한다. 또한 불량 이미지 생성 기능을 개선하여 다양한 환경과 상황을 고려 한 데이터셋이 충분하지 못할 경우 자연적으로 발생한 이미지와 매 우 흡사한 생성 데이터를 만들어낼 수 있는 기능을 강화하였다. 이로 인해 간헐적으로 발생하는 데이터가 생성될 때까지 비효율적으로 기 다리거나 위치별, 형태별 데이터를 수집하는 노력을 효과적으로 단축 할 수 있게 한다. 또한 데이터를 일일이 리뷰하지 않더라도 제조 현장에서 발생하는 수많은 이미지들을 별도로 추출된 특징값을 비교하여 사전 분류효과 를 기대할 수 있어 많은 데이터를 처리하는데 소요되는 시간과 리소 스를 획기적으로 단축시킬 수 있도록 한다. 그 외에도 레이블링 작업의 편의성을 개선하고 고객이 직접 개발한 모델을 편리한 NAVI toolkit으로 학습시키고 평가하여 배포할 수 있도 록 작업할 수 있는 기능을 제공하여 더욱 확장성과 고객 편의성을 개 선하였다. 라온피플은 지속적으로 연구 동향을 파악하고 혁신적인 기능을 추가 해 감으로써 고객에게 가장 도움이 될 수 있는 AI 기술을 제공하고자 하며, 올해 ‘Smart Factory+Automation World 2022’을 기점으로 출시 할 NAVI AI toolkit v5.0 의 많은 사용을 기대한다. 2017 Toolkit v1 국내 기술 최초 AI툴킷 산업용 AI모델 탑재 라벨링, 학습, 평가 과정 을 편리하게 툴킷화 제조산업에 특화된 기술 고해상도 이미지 검사 멀티 이미지 기반 검사 편리하게 툴킷화 고객의 비용을 더욱 작게 추론 가속 기능 추가 에지 디바이스 지원 더욱 편리한 기능 비지도 학습 Autoabeling Heatmap Datacentric AI 툴킷 데이터 가공 시간 최소화 정량적 데이터 추정 2018 Toolkit v2 2019 Toolkit v3 2021 Toolkit v4 2022 Toolkitv5
