세계는 지금 AI의 급속한 발전으로 인해 산업과 사회 전반에 영향을 주는 시대가 도래되었다. 우리나라도 정부에서 국가 전력사업 중 하나로 인공지능 (AI)를 선정하였다. 인공지능 분야 중 하나인 딥러닝은 많은 양의 학습 데이터 가 필요하게 된다. 그리고 많은 데이터를 훈련하기 위해서는 고성능의 컴퓨팅 시스템 또한 필요하다. 이런 고성능의 컴퓨팅 시스템을 산업 전반에 적용하기 엔 경제적으로 많은 부담이 된다. 본 논문은 딥러닝을 이용한 분류시스템을 제안한다. 가벼운 인공지능 시스템 을 위해 분류 시스템 단에 ...
세계는 지금 AI의 급속한 발전으로 인해 산업과 사회 전반에 영향을 주는 시대가 도래되었다. 우리나라도 정부에서 국가 전력사업 중 하나로 인공지능 (AI)를 선정하였다. 인공지능 분야 중 하나인 딥러닝은 많은 양의 학습 데이터 가 필요하게 된다. 그리고 많은 데이터를 훈련하기 위해서는 고성능의 컴퓨팅 시스템 또한 필요하다. 이런 고성능의 컴퓨팅 시스템을 산업 전반에 적용하기 엔 경제적으로 많은 부담이 된다. 본 논문은 딥러닝을 이용한 분류시스템을 제안한다. 가벼운 인공지능 시스템 을 위해 분류 시스템 단에 임베디드 시스템을 제안한다. 임베디드 시스템은 라 즈베리 파이를 사용하고, 딥러닝 훈련용 컴퓨팅 시스템은 클라우드 서버를 사 용한다. 실험을 위해 사용한 라즈베리 파이는 버전4 Model-B를 사용하였다. 본 논문에서는 딥러닝을 이용한 분류 시스템을 설계하고, 라즈베리 파이와 클 라우드 서버 간의 자동화 딥러닝 모델 업데이트 및 신규 모델을 라즈베리 파이 에 적용할 수 있는 프로세스를 설계하고 제안한다. 제안 시스템은 분류 시스템 동작 중 잘 못 된 예측을 하게 되면 해당 이미지 는 에러 데이터로 분류하고 에러 데이터 이미지가 기준 이상으로 수집이 되면 자동으로 클라우드 서버에 전송되어 딥러닝 모델을 재 훈련한다. 재 훈련된 모 델 파일을 버전 관리하여 모델 이름, 정확도, 파일 사이즈, 훈련 날짜와 같은 정보를 표시해주며 버전별 선택하여 분류 시스템에 연동되어 있는 라즈베리 파 이에 새로운 모델을 적용한다. 이는 딥러닝을 이용한 분류 시스템의 효율성을 증가 시킬 수 있다.
세계는 지금 AI의 급속한 발전으로 인해 산업과 사회 전반에 영향을 주는 시대가 도래되었다. 우리나라도 정부에서 국가 전력사업 중 하나로 인공지능 (AI)를 선정하였다. 인공지능 분야 중 하나인 딥러닝은 많은 양의 학습 데이터 가 필요하게 된다. 그리고 많은 데이터를 훈련하기 위해서는 고성능의 컴퓨팅 시스템 또한 필요하다. 이런 고성능의 컴퓨팅 시스템을 산업 전반에 적용하기 엔 경제적으로 많은 부담이 된다. 본 논문은 딥러닝을 이용한 분류시스템을 제안한다. 가벼운 인공지능 시스템 을 위해 분류 시스템 단에 임베디드 시스템을 제안한다. 임베디드 시스템은 라 즈베리 파이를 사용하고, 딥러닝 훈련용 컴퓨팅 시스템은 클라우드 서버를 사 용한다. 실험을 위해 사용한 라즈베리 파이는 버전4 Model-B를 사용하였다. 본 논문에서는 딥러닝을 이용한 분류 시스템을 설계하고, 라즈베리 파이와 클 라우드 서버 간의 자동화 딥러닝 모델 업데이트 및 신규 모델을 라즈베리 파이 에 적용할 수 있는 프로세스를 설계하고 제안한다. 제안 시스템은 분류 시스템 동작 중 잘 못 된 예측을 하게 되면 해당 이미지 는 에러 데이터로 분류하고 에러 데이터 이미지가 기준 이상으로 수집이 되면 자동으로 클라우드 서버에 전송되어 딥러닝 모델을 재 훈련한다. 재 훈련된 모 델 파일을 버전 관리하여 모델 이름, 정확도, 파일 사이즈, 훈련 날짜와 같은 정보를 표시해주며 버전별 선택하여 분류 시스템에 연동되어 있는 라즈베리 파 이에 새로운 모델을 적용한다. 이는 딥러닝을 이용한 분류 시스템의 효율성을 증가 시킬 수 있다.
The world has now come to an era where rapid development of AI affects industry and society as a whole. The korean government also selected AI as one of the national power projects. Deep learning, one of the areas of artificial intelligence, require a large amount of learning data. And
The world has now come to an era where rapid development of AI affects industry and society as a whole. The korean government also selected AI as one of the national power projects. Deep learning, one of the areas of artificial intelligence, require a large amount of learning data. And to train a lot of data, it also need a high-performance computing system. It is economically burdensome to apply this high-performance computing system across the industry. This paper proposes a classification system using deep learning. For light artificial intelligence systems, an embedded system is proposed at the level of the classification system. Embedded systems use raspberry-pi, and deep learning training computing systems use cloud servers. The raspberry-pi used for the experiment used version4 Model-B. In this paper, it design the classification system using deep learning, and design and propose the process of updating the automated deep learning model between raspberry-pi and cloud server and applying the new model to raspberry-pi. The proposed system automatically sends the image to the cloud server to retrain the deep learning model if the wrong predictions are made during classification system operation, and if the error data image is collected above the baseline. Re-trained model files are versioned to display information such as model name, accuracy, file size, and training date, and the new model is applied to raspberry-pi selected by version and linked to the classification system. It can increase the efficiency of the classification system using deep learning.
The world has now come to an era where rapid development of AI affects industry and society as a whole. The korean government also selected AI as one of the national power projects. Deep learning, one of the areas of artificial intelligence, require a large amount of learning data. And to train a lot of data, it also need a high-performance computing system. It is economically burdensome to apply this high-performance computing system across the industry. This paper proposes a classification system using deep learning. For light artificial intelligence systems, an embedded system is proposed at the level of the classification system. Embedded systems use raspberry-pi, and deep learning training computing systems use cloud servers. The raspberry-pi used for the experiment used version4 Model-B. In this paper, it design the classification system using deep learning, and design and propose the process of updating the automated deep learning model between raspberry-pi and cloud server and applying the new model to raspberry-pi. The proposed system automatically sends the image to the cloud server to retrain the deep learning model if the wrong predictions are made during classification system operation, and if the error data image is collected above the baseline. Re-trained model files are versioned to display information such as model name, accuracy, file size, and training date, and the new model is applied to raspberry-pi selected by version and linked to the classification system. It can increase the efficiency of the classification system using deep learning.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.