“arm · SoC · Drone · IoT · AI · Embedded   휴인스가 함께합니다”

HUINS


제품솔루션

> 제품솔루션 > EDU 솔루션 > AI Education platform

EDU 솔루션 EDU 솔루션

Achro-AI Lab Kit

‘사물인식 인공지능 임베디드 시스템 - Achro-AI Lab Kit’

l 최적화된 Nvidia TX2 임베디드 시스템 사용

l  GPU 프로그래밍 CUDA,  딥러닝을 위한 통계학 이해

l​  Ubuntu 16.04, CUDA, DNN, OpenCV 지원

l  C, C++, Python 개발 언어 지원

l  Tensorflow, Caffe, Keras, Deep Learning Framework 지원

l  MS-CNN, YOLO v3.0 Deep Learning Algolsm 지원

 USB, Ethernet, Wifi, Camera, GPIO, I2C SPI Devide 제공

l 학습 및 YOLO를 이용한 실시간 객체 감지 실습 지원

 


 

 

 제품 소개

Achro-AI Lab Kit Nvidia Tx2 플랫폼을 이용하여 사물 인식 인공지능 딥러닝 알고리즘

실습할 수 있는 사물인식 인공지능 플랫폼 입니다.

 

딥러닝 및 인공지능알고리즘에 대한 개념을 배우고 학습을 통해 사물인식 정확도를 향상된 알고리즘을

적용하여 정확한 사물인식 판단을 높혀 학생들에게 인공지능 알고리즘을 경험 해볼 수 있는 교육시스템으로

Nvidia Tx2 기반 임베디드 개발환경, 사물인식 알고리즘 적용 소프트웨어,

H/W 셋업, 학습 부터 응용까지 인공지능 임베디드 통합 시스템인 H/W, S/W 제공 및 지원을 합니다

 

 

 제품 특징

    Achro AI Lab 사물인식 인공지능 시스템은 AI에 대해 처음 배우거나, AI 설계 원리,

   구현방법을 배우려는 학생과 일반인을 위한 실습장비로 아래와 같은 특징을 가지고 있습니다.

 

    1.   인공지능알고리즘을 구동에 최적화된 Nvidia TX2 임베디드 시스템을 사용합니다.

    2.   Open source 기반으로 BSD License (수정, 재배포, 상업적 사용 등 가능) 기반입니다.

    3.   GPU 프로그래밍을 위한 CUDA, 딥러닝을 위한 베이지안 통계학 이해를 할 수 있습니다.

    4.   쉬운 개발 환경 C, C++, Python 개발 툴 지원합니다.

    5.   Tensorflow, Caffe(Convolutional Architecture for Fast Feature Embedding)Deep Learning Framework을 사용합니다.

    6.   신경망 ANN, CNN(Convolutional Neural Network), RNN, GAN, RL에 대한 이해할 수 있습니다.

    7.   다층 신경망의 학습 기법과 합성곱 신경망(CNN) 사물인식 인공지능 알고리즘을 경험 해볼 수 있습니다.

    8. 학습과 사물인식SW 실습을 지원합니다.

           - Web 카메라를 이용한 실습 (OpenCV 활용)

           - 동영상을 이용한 사물인식 분석

 

  구성도

 

                  

 

   개경 


   l       TX2 보드에 AI 알고리즘이 동작할 수 있도록 환경 

l      운영체제: Ubuntu 16.04 (Linux) 

l​       딥러닝 프레임워크: Caffe 

l​       딥러닝 라이브러리: CUDA, cuDNN 

l​       프로그래밍 언어: Python, C/C++ 

l​       유용한 라이브러리: OpenCV

 

 

 

   교재 

 

  

[Step1]

1.인공지능의 역사 및 응용 분야
2.
딥러닝 프로그래밍을 위한 객체지향 개념 이해
3.
파이썬의 이해
4.
딥러닝 라이브러리의 이해 (Caffe, Tensorflow)


[Step2]
5.
임베디드 리눅스의 이해
6.GPU
프로그래밍을 위한 CUDA의 이해
7.
딥러닝을 위한 베이지안 통계학의 이해


[Step3]
8.
임베디드 딥러닝 개발 환경 준비
  - nVidia TX2 Based
개발 환경 기준
  - Supported Utils: Ubuntu 16.04, CUDA, DNN, OpenCV
  - Supported Language: C, C++, Python
  - Supported Deep Learning FW: Tensorflow,  

Caffe, Keras, Python
  - Supported Devices: USB, Ethernet, Wifi,

Camera, GPIO
9.
신경망의 종류 (ANN, CNN, RNN, GAN, RL)에 대한 이해
10.
다층 신경망의 학습 기법
11.
합성곱 신경망 (CNN)의 종류


[Step4]
12.MS-CNN
논문 Review, 코드 분석 및 응용

13.YOLO 논문 Review, 코드 분석 및 응용 

 

 

   H/W

 

Item

Spec

GPU

NVIDIA Pascal, 256 CUDA cores

CPU

HMP Dual Denver 2/2 MB L2 + Quad ARM® A57/2 MB L2

VIDEO

4K x 2K 60 Hz Encode (HEVC) 4K x 2K 60 Hz Decode (12-Bit Support)

MEMORY

8 GB 128 bit LPDDR4 59.7 GB/s

DISPLAY

2x DSI, 2x DP 1.2 / HDMI 2.0 / eDP 1.4

CSI

Up to 6 Cameras (2 Lane) CSI2 D-PHY 1.2 (2.5 Gbps/Lane)

PCIE

Gen 2 | 1x4 + 1x1 OR 2x1 + 1x2

DATA STORAGE

32 GB eMMC, SDIO, SATA

OTHER

CAN, UART, SPI, I2C, I2S, GPIOs

USB

USB 3.0 + USB 2.0

CONNECTIVITY

1 Gigabit Ethernet, 802.11ac WLAN, Bluetooth

Camera

1920 x 1080 FHD 60p

 



   S/W

 

Item

Spec

Utils

Ubuntu 16.04, CUDA, cuDNN, OpenCV

Language

C++, Python

FrameWork

Tensorflow, Caffe

Algolsm

MS-CNN, YOLO v3.0

Application

사물인식 60여종 에제 제공

 

내용5...

제품문의 및 이메일문의
031) 719-8200
sales@huins.com
기술지원