지락문화예술공작단

Amazon Rekognition의 얼굴 필터링 기능을 사용하여 개발 시간과 비용 절감하기 Amazon Rekognition은 객체, 사람, 텍스트, 장면 및 활동을 식별하고 부적절한 콘텐츠를 감지할 수 있는 딥 러닝 기반 이미지 및 비디오 분석 서비스입니다. 새로운 Rekognition 얼굴 필터링 기능을 사용하면 얼굴 인식용으로 인덱싱할 수 있는 얼굴의 품질과 수량을 제어할 수 있습니다. 이 기능을 활용하여 비용을 절감하고, 개발 시간을 단축하며, 얼굴 인식의 정확도를 개선할 수 있습니다. Rekognition 얼굴 필터링 기능이 나오기 전에는 IndexFaces API를 사용하면 Amazon Rekognition이 이미지에 포함된 모든 얼굴을 감지하고 지정된 컬렉션으로 인덱싱했습니다. 그러나 일부 이미지는 인덱싱하고 싶지 않은 얼굴을 포함할 수 있습니다. 예를 들어, 얼굴 검색 품질에 부정적인 영향을 줄 수 있는 작고 흐릿한 얼굴이나 영화제 같이 관중이 많은 이벤트에서 배경에 나온 얼굴은 인덱싱할 필요가 없을 수 있습니다. 이런 얼굴까지 인덱싱에 포함하면 비용이 증가하고 많은 경우 정확도가 저하됩니다. 지금까지는 얼굴 감지를 실행하여 얻어진 각 얼굴 이미지에 필터링 규칙을 적용하고, 필터를 [ more… ]

Fast.ai, AWS 기반 GPU 인스턴스로 가장 빠른 ImageNet 모델 학습 기록 수립 딥 러닝을 쉽게 활용할 수 있도록 돕는 fast.ai는 16개의 Amazon EC2 P3.16xlarge 인스턴스를 사용하여 18분 만에 1백만 개의 이미지로 ResNet-50 딥 러닝 모델을 훈련하는 데 성공했다고 발표했습니다. 이러한 획기적인 신기록을 달성하는 데에는 단지 40달러의 비용 밖에 들지 않았습니다. 본 기록은 기존 보다 40% 빠른 것으로 딥 러닝 모델의 훈련 시간을 획기적으로 단축함으로써 더 저렴한 비용으로 더 빠르게 시장에 선보일 수 있음을 단적으로 보여줍니다. Amazon EC2 P3 인스턴스는 퍼블릭 클라우드에서 AI/ML 모델의 훈련에 사용할 수 있는 가장 강력한 GPU 가속화 컴퓨팅 인프라 중 하나입니다. NVIDIA V100 GPU 8개가 장착된 단일 Amazon EC2 P3 인스턴스는 ResNet-50 딥 러닝 모델을 ImageNet으로 3시간 이내에 훈련할 수 있습니다. 최근 블로그의 데모에 설명한 것처럼, 클라우드의 여러 Amazon EC2 P3 인스턴스에 훈련 워크로드를 분산하는 최적화 기술을 사용하면 훈련 시간이 추가로 단축됩니다. fast.ai에서는 유사한 분산 훈련 [ more… ]

AWS Fargate, 서울 리전 출시 AWS Fargate을 서울 리전에 출시하였습니다. AWS Fargate는 가상 서버 또는 클러스터를 관리할 필요 없이 컨테이너를 실행할 수 있도록 지원하는 Amazon ECS 서비스를 위한 컴퓨팅 엔진입니다. AWS Fargate를 사용하면 더 이상 컨테이너를 실행하기 위해 가상 머신 클러스터를 프로비저닝, 구성 및 확장할 필요가 없습니다. 이제 컨테이너 기반 서비스에서 애플리케이션을 실행하는 인프라의 관리가 아니라 애플리케이션을 설계하고 구축하는 데 집중할 수 있습니다. Amazon ECS에는 Fargate 시작 유형과 EC2 시작 유형이라는 두 가지 모델이 있습니다. Fargate 시작 유형의 경우, 애플리케이션을 컨테이너로 패키징하고, CPU와 메모리 요구 사항을 지정하고, 네트워킹과 IAM 정책을 정의한 후, 애플리케이션을 시작하기만 하면 됩니다. [블로그] AWS Fargate 출시 – 서버리스 콘테이너 서비스 [블로그] 기존 ECS 컨테이너를 Fargatex로 이전하기 [동영상] ECS/Fargate와 함께하는 간편한 Docker 사용법 – 변규현 (AWSKRUG) [동영상] 관리형 Kubernetes 지원과 새로운 컨테이너 서비스 AWS Fargate 소개– 정영준 (AWS) 아래는 AWS Fargate를 사용하는 다양한 고객 사례(영문)입니다. 여러분의 애플리케이션에 [ more… ]