블로그
Dell Technologies | 2023년 5월 24일
Dell Technologies 딥 러닝은 그레이트 배리어 리프를 보호하는 전 세계 자원봉사자들을 지원합니다
Citizens of the Great Barrier Reef의 차세대 Great Reef Census 분석 플랫폼 출시를 계기로 그레이트 배리어 리프의 보존을 위한 보다 효율적인 정보 활용을 지원하게 된 새로운 딥 러닝 기술Dell Technologies | 2023년 5월 24일
We partnered with Australian based Citizens of the Great Barrier Reef to create a Dell AI solution, accelerated by #IntelXeon to transform reef analysis and conservation, helping them scale to new depths in their mission and in the ocean.
Citizens of the Great Barrier Reef의 CEO이자 설립자인 Andy Ridley는 이렇게 말합니다. "그레이트 배리어 리프는 이탈리아 국토보다 넓고 심지어 우주에서도 보이는 세계 최대 규모의 산호초 생태계입니다. 산호를 먹어 치우는 악마불가사리 개체수의 증가나 백화와 같은 위협으로 인해 그레이트 배리어 리프의 섬세한 생태계에서 많은 부분이 훼손되었습니다. 산호초의 연결성을 이해하는 것은 산호초를 관리하고 보존하기 위한 핵심 요소입니다. 이전에는 연구원들이 3,000여 개의 개별 산호초 중 약 5~10%만 관찰할 수 있었기 때문에 정보에 입각한 보존 결정을 내리기가 어려웠습니다."
산호초를 보다 큰 규모로 문서화하기 위해 Citizens of the Great Barrier Reef의 GRC는 수백 곳의 그레이트 배리어 리프 사이트에서 수천 개의 정찰 이미지를 캡처해 줄 방문객을 모집했습니다. 시민 과학자로 알려진 전 세계 자원봉사자들은 해양 구조와 산호초 상태를 기준으로 이미지를 분류합니다. UQ(University of Queensland)와 JCU(James Cook University)의 연구원들은 이러한 데이터를 활용해 GBR COTS(Crown-Of-Thorns) 관리팀 및 관광 단체에 자문을 제공하며, 그러면 이들이 시급한 산호초 보존 노력에 우선순위를 정합니다.
새로운 Dell 딥 러닝 모델 덕분에 이러한 과정의 진행 속도가 빨라지며, 그 결과 시민 과학자는 매년 산란기와 같이 중요한 시기에 가장 필요한 영역에서 빠르게 회복을 지원할 수 있게 됩니다.
기존의 성공에 기반한 모델 구축
GRC 해양 작업을 위해 Dell은 선박 운송이 가능하도록 모바일 네트워크와 견고한 장치를 결합하여 엣지 솔루션을 개발했으며, 이 솔루션은 실시간 이미지 저장과 육지로 돌아왔을 때 자동 업로드를 지원합니다. 시민 과학자들은 서로 다른 세그먼트 범주 주위에 경계를 그려 이미지를 표시했습니다.
시민 과학자들이 13,000개가 넘는 이미지를 직접 분석할 경우 시간도 많이 소요되고 정확도도 떨어졌습니다. 두 번째 GRC의 결과, 42,000개의 이미지가 생성되었는데, 이는 이전 통계보다 크게 증가한 수치였습니다. 이 정도 볼륨의 이미지를 분석하는 데는 향후 예상되는 데이터 세트 증가에 맞춰 확장할 수 있는 딥 러닝 모델 기술이 필요했습니다. 딥 러닝 모델을 사용하면 방문자가 산호초에 있는 동안 사진을 찍고 중앙 집중식으로 관리되는 통계 포털에 업로드할 수 있습니다. 딥 러닝 모델은 손으로 그린 경계보다 더 빠르고 정확하게 세그먼트를 감지합니다. 이제 시민 과학자들은 사전에 감지된 경계에 따라 산호종에 라벨을 지정하기만 하면 됩니다.
기존의 조사 단계에서는 7~8분이 걸린 것에 비해 딥 러닝 분석을 사용하면 사진당 소요 시간이 1분도 채 되지 않습니다. 첫 GRC에서 13,000개의 이미지를 검토하는 데는 1,516시간이 걸렸지만, 새로운 모델을 사용하면 동일한 데이터 세트를 200시간 이내에 분석할 수 있어 시민 과학자들은 더 중요한 라벨 지정 작업에 집중할 수 있게 됩니다.
딥 러닝 의미 분할 모델은 Dell HPC(High Performance Computing) GPU(Graphics Processing Unit) 가속 시스템을 통해 모델을 훈련하고 Dell PowerScale 시스템을 통해 데이터를 저장합니다. 육상 컴퓨팅 플랫폼에는 AI 훈련 클러스터와 여러 AI 추론 엔진을 지원하는 Dell PowerEdge 서버가 포함됩니다.
Dell은 해양 전문가와 협력하여 144개 범주의 산호초 유기체를 5가지 중요 보존 범주로 줄였으며, 그 결과 딥 러닝 모델이 각 이미지에 있는 산호를 범주에 맞춰 효율적이고 정확하게 분류할 수 있게 되었습니다.
Dell 엣지 솔루션과 딥 러닝 모델은 반복과 확장이 가능합니다. Citizens of the Great Barrier Reef의 설립자인 Andy Ridley는 Dell 기술 솔루션에 기반한 GRC를 전 세계의 다른 산호초 사이트로도 확장하기를 바랍니다. 호주 이외의 첫 시험 장소는 인도네시아가 될 것입니다.
싱가포르의 Dell 데이터 사이언스 팀과 협력하여 선정된 모델은 지속적인 개선과 광범위한 커뮤니티 테스트를 거쳐 벤치마킹 기준을 충족했습니다. Dell 전문가들은 매개변수가 약 3천만 개인 의미 분할 모델, SegNet을 사용하여 모델을 학습시켰습니다. 그 결과 강력한 딥 러닝 모델이 제공되었으며, 이 모델은 더 많은 데이터로 학습하면서 계속 개선될 전망입니다.
산호초를 보다 큰 규모로 문서화하기 위해 Citizens of the Great Barrier Reef의 GRC는 수백 곳의 그레이트 배리어 리프 사이트에서 수천 개의 정찰 이미지를 캡처해 줄 방문객을 모집했습니다. 시민 과학자로 알려진 전 세계 자원봉사자들은 해양 구조와 산호초 상태를 기준으로 이미지를 분류합니다. UQ(University of Queensland)와 JCU(James Cook University)의 연구원들은 이러한 데이터를 활용해 GBR COTS(Crown-Of-Thorns) 관리팀 및 관광 단체에 자문을 제공하며, 그러면 이들이 시급한 산호초 보존 노력에 우선순위를 정합니다.
새로운 Dell 딥 러닝 모델 덕분에 이러한 과정의 진행 속도가 빨라지며, 그 결과 시민 과학자는 매년 산란기와 같이 중요한 시기에 가장 필요한 영역에서 빠르게 회복을 지원할 수 있게 됩니다.
기존의 성공에 기반한 모델 구축
GRC 해양 작업을 위해 Dell은 선박 운송이 가능하도록 모바일 네트워크와 견고한 장치를 결합하여 엣지 솔루션을 개발했으며, 이 솔루션은 실시간 이미지 저장과 육지로 돌아왔을 때 자동 업로드를 지원합니다. 시민 과학자들은 서로 다른 세그먼트 범주 주위에 경계를 그려 이미지를 표시했습니다.
시민 과학자들이 13,000개가 넘는 이미지를 직접 분석할 경우 시간도 많이 소요되고 정확도도 떨어졌습니다. 두 번째 GRC의 결과, 42,000개의 이미지가 생성되었는데, 이는 이전 통계보다 크게 증가한 수치였습니다. 이 정도 볼륨의 이미지를 분석하는 데는 향후 예상되는 데이터 세트 증가에 맞춰 확장할 수 있는 딥 러닝 모델 기술이 필요했습니다. 딥 러닝 모델을 사용하면 방문자가 산호초에 있는 동안 사진을 찍고 중앙 집중식으로 관리되는 통계 포털에 업로드할 수 있습니다. 딥 러닝 모델은 손으로 그린 경계보다 더 빠르고 정확하게 세그먼트를 감지합니다. 이제 시민 과학자들은 사전에 감지된 경계에 따라 산호종에 라벨을 지정하기만 하면 됩니다.
기존의 조사 단계에서는 7~8분이 걸린 것에 비해 딥 러닝 분석을 사용하면 사진당 소요 시간이 1분도 채 되지 않습니다. 첫 GRC에서 13,000개의 이미지를 검토하는 데는 1,516시간이 걸렸지만, 새로운 모델을 사용하면 동일한 데이터 세트를 200시간 이내에 분석할 수 있어 시민 과학자들은 더 중요한 라벨 지정 작업에 집중할 수 있게 됩니다.
딥 러닝 의미 분할 모델은 Dell HPC(High Performance Computing) GPU(Graphics Processing Unit) 가속 시스템을 통해 모델을 훈련하고 Dell PowerScale 시스템을 통해 데이터를 저장합니다. 육상 컴퓨팅 플랫폼에는 AI 훈련 클러스터와 여러 AI 추론 엔진을 지원하는 Dell PowerEdge 서버가 포함됩니다.
Dell은 해양 전문가와 협력하여 144개 범주의 산호초 유기체를 5가지 중요 보존 범주로 줄였으며, 그 결과 딥 러닝 모델이 각 이미지에 있는 산호를 범주에 맞춰 효율적이고 정확하게 분류할 수 있게 되었습니다.
Dell 엣지 솔루션과 딥 러닝 모델은 반복과 확장이 가능합니다. Citizens of the Great Barrier Reef의 설립자인 Andy Ridley는 Dell 기술 솔루션에 기반한 GRC를 전 세계의 다른 산호초 사이트로도 확장하기를 바랍니다. 호주 이외의 첫 시험 장소는 인도네시아가 될 것입니다.
싱가포르의 Dell 데이터 사이언스 팀과 협력하여 선정된 모델은 지속적인 개선과 광범위한 커뮤니티 테스트를 거쳐 벤치마킹 기준을 충족했습니다. Dell 전문가들은 매개변수가 약 3천만 개인 의미 분할 모델, SegNet을 사용하여 모델을 학습시켰습니다. 그 결과 강력한 딥 러닝 모델이 제공되었으며, 이 모델은 더 많은 데이터로 학습하면서 계속 개선될 전망입니다.
 | 작성자 소개: Dell Technologies |