VisualCortex는 W&B를 통해 비디오 분석을 엔터프라이즈로 전환합니다.
"우리가 그렇게 작은 팀을 가질 수 있는 이유는 W&B가 모든 것을 조율하는 데 도움이 되기 때문입니다. 플랫폼은 우리의 많은 수작업을 제거하고 프로세스를 자동화하여 각 구성원이 핵심 역할에 집중하고 업무에 대해 걱정하지 않도록 도와줍니다. 역학과 거버넌스."
Mike Seddon
Head of Machine Learning and Artificial Intelligence
비디오는 새로운 데이터 프런티어입니다.
오늘날 혁신을 주도하는 기술 중 AI 기반 비디오 분석이 빠르게 주목을 받고 있습니다. 이 번창하는 시장은 2032년까지 1,004억 2,000만 달러에 도달할 것으로 예상되며 둔화될 조짐은 없습니다.
비디오 분석은 더 이상 보안만을 위한 것이 아닙니다. 거의 모든 산업에 가치가 있으며, 소매점에서 쇼핑객 경험을 풍부하게 하는 것부터 도시 계획자의 교통 흐름을 최적화하는 것까지 다양한 사용 사례를 다룰 수 있습니다. 그러나 비디오 데이터를 진정으로 실행 가능하게 만드는 것은 종종 머신 러닝과 컴퓨터 비전 이니셔티브에 익숙한 사람들을 위한 작업입니다. 글쎄요, 이는 과거의 일입니다. 클라우드 기반 비디오 인텔리전스 플랫폼인 VisualCortex 는 비디오 분석을 모든 비디오가 풍부한 산업과 비즈니스 기능에 접근 가능하고 가치 있게 만드는 사명을 가지고 있습니다.
차량 중심에서 사람 중심으로
비디오 분석에는 다양한 응용 프로그램이 있지만, VisualCortex는 현재 매우 높은 수준의 정확도로 차량 및 사람 중심 모델을 제공하는 데 중점을 두고 있습니다. 보행자 통행량을 분석하고 주차 구역을 모니터링해야 하는 상황은 어디에서 찾을 수 있을까요? 바로 쇼핑 센터입니다.
한때 인기 있었던 이 회의 허브는 인구의 다양한 인구 통계적 세그먼트에 맞는 매력적인 경험을 제공해야 하는 엄청난 압박에 직면해 있습니다 . VisualCortex는 현대 쇼핑몰 운영자가 기존 보안 및 감시 시스템을 통해 이미 사용 가능한 데이터를 활용할 수 있도록 지원하여 귀중한 고객 행동 통찰력과 운영을 간소화할 수 있는 기회를 보여줍니다.
미래의 소매업
주차 문제는 사람들이 오프라인 매장을 피하게 만드는 주요 좌절 중 하나입니다. 전통적으로 쇼핑 센터는 주차장을 관리하기 위해 매우 엄격한 사양을 갖춘 광범위하고 값비싼 수의 장치에 의존합니다.
VisualCortex가 제공하는 것은 이러한 장치의 배치를 훨씬 더 유연하게 만드는 방법이며, 이를 위해서는 모델의 일반화에 집중해야 합니다. VisualCortex의 머신 러닝 및 인공 지능 책임자인 Mike Seddon은 “저희의 자동 번호판 인식(ANPR) 솔루션은 번호판 이미지를 크게 증강하는 데 의존합니다. 이미지 왜곡이나 색상 변경과 같은 작업입니다.”라고 말했습니다. “이 모든 작업은 기존 방식보다 훨씬 더 일반화된 모델을 학습하는 데 맞춰져 있습니다.” 이런 방식으로 모델을 학습하면 VisualCortex의 ANPR 솔루션을 광범위한 환경에 신속하게 배포하고 처음부터 매우 정확한 결과를 생성할 수 있습니다.
마이크가 언급한 ANPR 솔루션은 차량 감지(VD), 번호판 감지(LPD), 번호판 인식(LPR)의 세 단계로 구성된 계층적 모델 세트를 가지고 있습니다.
이름에서 알 수 있듯이 VD는 차량이 있는지 감지합니다. 이를 통해 피크 타임과 주차장의 흐름 패턴과 같은 여러 가지 유용한 사항을 동시에 추적하는 데 도움이 됩니다. 그런 다음 LPD는 번호판 주위에 경계 상자를 생성하여 번호판을 식별하고 위치를 파악합니다. 마지막으로 LPR은 문자 분할 및 문자 인식이 발생하여 번호판에 있는 특정 문자와 숫자를 읽습니다. 이러한 각 처리 단계는 실시간으로 높은 정확도를 달성하는 데 중요한 역할을 합니다. 그리고 VisualCortex는 분명히 공원에서 그것을 두드렸습니다.
VisualCortex의 공동 창립자이자 CEO인 패트릭 엘리엇은 “저희 고객 중 한 명은 다운타임 없이 정확도가 10% 증가하는 것을 경험하고 있습니다.”라고 말했습니다.
쇼핑 센터의 심장부로 이동하면서 VisualCortex가 배포한 모델은 매장 내 소매를 위한 다양한 관행을 개선하는 데에도 도움이 됩니다. 레이아웃 최적화는 수익을 늘리는 기회 중 하나입니다. 주차 관리에 사용되는 유사한 객체 감지 모델을 사용하여 VisualCortex는 매장 주변의 고객 이동을 추적하는 분석을 소매업체에 제공할 수 있습니다. 누군가가 진열대 앞에 얼마나 오래 서 있는지 또는 매장의 어느 부분에 직원이 없는지와 같은 질문에 쉽게 답할 수 있습니다.
가장 좋은 점은? 이러한 비디오 분석은 소프트웨어 개발자 및 데이터 과학자와 같은 기술 사용자와 마케팅 임원에서 비즈니스 분석에 이르기까지 비즈니스 사용자 모두에게 운영의 모든 측면에 대한 실행 가능한 데이터 스트림을 빠르고 쉽게 생성할 수 있는 웹 기반 인터페이스를 통해 액세스할 수 있다는 것입니다.
패트릭은 “우리는 컴퓨터 비전 기술에서 과학과 두려움을 제거하고 비즈니스 세계의 최종 사용자에게 집중하려고 노력합니다.”라고 말했습니다.
효율성과 생산성 향상
VisualCortex는 데이터 수집 및 레이블 지정에서 교육 및 배포에 이르기까지 종단 간 교육을 담당하지만, ML 작업의 대부분은 3명의 개발자로 구성된 소규모 팀에서 가능합니다. 빠르게 움직이고 생산성 수준을 높게 유지할 수 있는 도구를 확보하기 위해 W&B에 의존하여 ML 워크플로를 간소화합니다.
“우리가 이렇게 작은 팀을 가질 수 있는 이유는 W&B가 모든 것을 조정하는 데 도움을 주기 때문입니다.” 패트릭이 설명했습니다. “이 플랫폼은 우리에게 많은 수동 작업을 없애고 프로세스를 자동화하여 각 구성원이 핵심 역할에 집중하고 메커니즘과 거버넌스에 대해 걱정하지 않도록 도와줍니다.”
특히 W&B Sweeps는 최적의 데이터 증강을 찾는 속도를 가속화했습니다. VisualCortex는 증강을 Sweeps에 프로그래밍 방식으로 빌드하여 증강 조합 공간을 효율적으로 샘플링하여 최상의 모델을 추진할 수 있습니다. 팀에 대한 추가 보너스는 이러한 속성이 W&B 하이퍼파라미터 중요도 패널을 통해 표시되는 것을 보고 귀중한 패턴과 관계를 발견하는 데 도움이 되었다는 것입니다.
VisualCortex가 새로운 라운드의 모델 학습을 시작할 준비를 하면서, 분산된 일련의 컴퓨팅 노드를 효과적으로 조율해야 할 필요성이 더욱 커졌습니다. 이를 해결하기 위해 팀은 W&B Launch를 활용하여 컴퓨팅 리소스에 쉽게 액세스하고 학습 워크로드를 극적으로 확장할 계획입니다.
마이크는 “우리 측에서는 쿠버네티스를 실행하고 있으며, 각 클러스터에 대한 대기열을 생성하고 활성화하는 기능을 갖는 것이 바로 우리가 원하는 바입니다.”라고 말했습니다.
기업에서 비디오의 부상
비디오 분석의 잠재력은 커지고 있으며 부인할 수 없을 정도로 다양하다는 것이 증명되고 있습니다. 그러나 비디오 데이터를 실행 가능하게 만드는 것은 어려운 일이며, 특히 기업 수준에서는 더욱 그렇습니다. 이 전례 없는 데이터 마이닝 기회를 활용하도록 설계된 플랫폼인 VisualCortex는 신뢰할 수 있는 통찰력을 효율적으로 생성하여 실제 상업적 과제를 대규모로 해결할 수 있도록 합니다.
컴퓨터 비전 기술을 확장하고 생산화한다는 비전을 계속하려면 엔드투엔드 MLOps 플랫폼을 갖는 것이 중요합니다. W&B를 통해 VisualCortex는 ML 워크플로의 관리 및 실행을 간소화하고, 최적의 증강 검색을 자동화하고, 모델 동작의 대화형 시각화를 탐색하고, 무엇보다도 생산성을 한 단계 끌어올릴 수 있습니다.