MXNet 기반 추천 오픈 소스 딥러닝 프로젝트 모음

Apache MXNet 은 일반 개발자가 손쉽게 딥러닝(Deep Learning) 모델을 구축, 학습 및 실행하는 데 도움을 주는 오픈 소스 라이브러리입니다. 이전 시리즈에서 MXNet API 및 주요 기능, 활용 방법에 대해 소개했습니다.

이 글에서는 MXNet을 다양한 유스 케이스에 적용하는 특징적인 오픈 소스 프로젝트를 소개합니다. (참고로 MXNet Model Zoo에는 다양한 주요 딥러닝 학습 모델 사례가 있으니, 먼저 살펴 보시기 바랍니다!)

#1 — 이미지 객체 인식
이 프로젝트는 하나의 이미지에서 여러개의 객체를 탐지하는  것으로 mxnet-ssd (논문 링크)라는 프로젝트를 개량한 것으로 MXNet의 특징이라고 할 수 있는, 멀티 GPU에서 성능을 향상 시킨 것입니다.

precedenceguo/mx-rcnn
mx-rcnn – Faster R-CNN, an MXNet implementation with distributed implementation and data parallelization

이 프로젝트는 아래 연구 결과를 기반으로 합니다.

#2 — 스마트폰용 이미지 분석 프로젝트
MXNet 입문 마지막 가이드에서 살펴본 대로,  Inception v3 을 사용하면, 모바일 기기에서도 실시간으로 이미지 분석이 가능합니다.

아래 프로젝트는 안드로이드 및 iOS에ㅓ 사용할 수 있는 이미지 인식 프로젝트입니다.

dneprDroid/ImageRecognizer-iOS

dneprDroid/ImageRecognizer-Android

#3 — 얼굴 인식 및 안면 감지 기능
이 프로젝트는 Amazon Rekognition의 얼굴 인식과 유사한 기능을 제공합니다. 좀 더 자세한 구현을 하고 싶은 경우, 좋은 출발점이 될 수 있습니다.

tornadomeet/mxnet-face

이 프로젝트는 아래 연구 결과를 기반으로 합니다.

#4— 자동차 번호판 인식하기

이 프로젝트는 81 % 정확도로 MacBook Pro에서 초당 9 매의 번호판 인식을 수행할 수 있습니다. 약간의 노력을 더 한다면 다른 문자 인식 사용 사례에 적용할 수 있습니다 🙂

szad670401/end-to-end-for-chinese-plate-recognition

#5 — Sockeye : 기계 번역 프로젝트

Sockeye 프로젝트는 MXNet에 기반한 신경망 기계 번역(Neural Machine Translation)을 위한 시퀀스-시퀀스(sequence-to-sequence) 프레임 워크입니다.  AWS에서 개발하고 있으며, 더 자세한 것은 MXNet 기반 Sockeye를 통한 기계 번역 학습 해보기를 참고하시기 바랍니다.

awslabs/sockeye
sockeye – Sequence-to-sequence framework with a focus on Neural Machine Translation based on MXNet

AWS  기반 배포 방법

지금까지 다른 Python 애플리케이션과 마찬가지로 Amazon EC2 인스턴스에서 MXNet 코드를 실행했습니다. AWS에서 애플리케이션을 실행할 수 있는 대체 방법(콘테이너 및 서버리스)이 있으면, 이는 MXNet에 적용할 수 있겠죠.

#6— Amazon ECS와 코드 도구를 통한 MXNet API 지속적 배포 방식

이 프로젝트는 AWS CloudFormation 템플릿을 사용하여 MXNet 모델 또는 애플리케이션 코드의 변경 사항을 파이프 라인을 통해 배포, 구성 및 조율하는 자동화 된 워크 플로우를 생성할 수 있습니다. CodePipelineCodeBuild를 사용하여 지속적 전달(CD) 방식이 가능하고,  몇 분 만에 사용자가 사용할 수 있습니다.

#7 —  MXNet Lambda 함수로 배포 하기

AWS Lambda를 통해 MXNet을 사용해 미리 학습된 모델을 통해 이미지 인식 등을 해 볼 수 있는 프로젝트입니다. Serverless Application Model (SAM) 템플릿을 통해 서버리스 API 엔드포인트도 자동으로 구현합니다.

지금까지 다양한 MXNet 기반의 추천 오픈 소스 프로젝트를 살펴 보았습니다. 혹시 더 추천해 주실만한 프로젝트가 있으면 알려주세요!

연재 순서

- ;

Disclaimer- 본 글은 개인적인 의견일 뿐 제가 재직했거나 하고 있는 기업의 공식 입장을 대변하거나 그 의견을 반영하는 것이 아닙니다. 사실 확인 및 개인 투자의 판단에 대해서는 독자 개인의 책임에 있으며, 상업적 활용 및 뉴스 매체의 인용 역시 금지함을 양해해 주시기 바랍니다. (The opinions expressed here are my own and do not necessarily represent those of current or past employers. Please note that you are solely responsible for your judgment on chcking facts for your investiments and prohibit your citations as commercial content or news sources.)


여러분의 생각

의견 쓰기

이름* 이메일* 홈페이지(선택)