OpenVINO를 사용하여 Intel AI PC에서 Ultralytics YOLO 모델 실행하기

Ultralytics의 연례 하이브리드 이벤트인 YOLO Vision 2024 (YV24)는 전 세계의 AI 애호가, 개발자, 전문가들이 모여 컴퓨터 비전의 최신 혁신을 탐구하는 자리였습니다. YV24는 새로운 돌파구를 논의할 수 있는 훌륭한 기회이자 플랫폼이었습니다. 이 이벤트에는 AI 업계의 주요 업체들이 참여하여 최신 혁신 기술을 소개했습니다. 그중 하나인 Intel은 획기적인 새로운 AI PC와 Intel OpenVINO가 Ultralytics YOLO 모델 등(Ultralytics YOLO11 포함)과 어떻게 통합되는지에 대한 기조연설을 진행했습니다.

The talk was led by Adrian Boguszewski, a Software Evangelist who co-authored the LandCover.ai dataset and educates developers about Intel’s OpenVINO toolkit, and Dmitriy Pastushenkov, an AI PC Evangelist with over 20 years of experience in industrial automation and AI. During the event, Adrian shared his excitement and said, "This is a great event today, not only because Ultralytics delivered a new YOLO version, but also because we are able to present this new model running on our new hardware, as well as a new version of OpenVINO."

이번 기사에서는 Intel의 YV24 발표의 핵심 하이라이트를 살펴보고, AI PC인 Intel Core Ultra 200V 시리즈의 상세 내용과 OpenVINO 툴킷을 사용하여 Ultralytics YOLO 모델과 어떻게 통합되는지 알아보겠습니다. 시작해 볼까요!

Link to this section2024년의 최첨단 AI 기술#

Dmitriy started off the keynote by diving into the key differences between traditional AI and generative AI. The focus revolved around how these technologies and their use cases are evolving in 2024. Traditional AI techniques like computer vision and natural language processing have been essential for tasks like pose estimation, object detection, and voice recognition. Generative AI, however, represents a newer wave of AI technology that involves applications such as chatbots, text-to-image generation, code writing, and even text-to-video.

그림 1. YV24 무대에서 AI 사용 사례를 논의하는 Intel의 Adrian과 Dmitriy.

Dmitriy는 두 기술 간의 규모 차이를 지적했습니다. 그는 전통적인 AI 모델이 수백만 개의 파라미터로 구성된 반면, 생성형 AI 모델은 훨씬 더 큰 규모에서 작동한다고 설명했습니다. 생성형 AI 모델은 종종 수십억 또는 수조 개의 파라미터를 포함하며, 이로 인해 훨씬 더 높은 컴퓨팅 파워를 요구합니다.

Link to this sectionIntel AI PC: 새로운 AI 하드웨어의 지평#

Dmitriy는 전통적인 AI 모델과 생성형 AI 모델을 모두 효율적으로 실행해야 하는 과제를 해결하기 위해 설계된 새로운 하드웨어 솔루션으로 Intel AI PC를 소개했습니다. Intel AI PC는 강력하고 에너지 효율적인 장치입니다. 이 PC는 클라우드 기반 처리 없이도 다양한 AI 모델을 로컬에서 실행할 수 있습니다.

로컬 처리는 민감한 데이터를 비공개로 유지하는 데 도움을 줍니다. AI 모델이 인터넷 연결 없이 독립적으로 작동할 수 있게 되면, 프라이버시 및 보안과 관련된 산업계의 윤리적 우려를 해결할 수 있습니다.

The driving force behind the Intel AI PC is the Intel Core Ultra 200V Series processor. This processor incorporates three key components: the Central Processing Unit (CPU), Graphics Processing Unit (GPU), and Neural Processing Unit (NPU). Each plays a specific role in handling different types of AI workloads. The CPU is ideal for smaller, low-latency tasks that require quick responses, while the GPU is optimized for high-throughput operations like running AI models. The NPU, designed for power efficiency, is well-suited for long-running tasks like real-time object detection with models like YOLO11.

CPU는 최대 5 TOPS(초당 5조 회 연산), GPU는 최대 67 TOPS의 성능을 제공하며, NPU는 시스템 자원을 소모하지 않고도 지속적으로 AI 작업을 수행할 수 있는 에너지 효율적인 방식을 제공한다는 점이 강조되었습니다.

Link to this sectionIntel의 AI 발전: Intel Core Ultra 200V 시리즈#

Intel Core Ultra 200V 시리즈 프로세서는 NPU, CPU, GPU 등 세 가지 AI 엔진을 하나의 작은 칩에 모두 통합했습니다. 그 설계는 성능 저하 없이 노트북과 같은 소형 장치에 완벽하게 적합합니다.

또한 프로세서에는 RAM이 내장되어 있어 별도의 그래픽 카드가 필요하지 않습니다. 이는 전력 소비를 줄이고 장치를 소형으로 유지하는 데 도움이 됩니다. Dmitriy는 프로세서의 유연성도 강조했습니다. 사용자는 작업에 따라 AI 모델을 CPU, GPU, NPU 중 어디에서 실행할지 결정할 수 있습니다. 예를 들어, YOLO11 모델을 사용한 객체 탐지는 이러한 엔진 중 어느 곳에서나 실행할 수 있는 반면, 텍스트-이미지 생성과 같은 더 복잡한 작업은 GPU와 NPU를 동시에 활용하여 더 나은 성능을 낼 수 있습니다.

발표 중 Dmitriy는 주머니에서 직접 칩을 꺼내 보여주며, 그 작은 크기에도 불구하고 고급 AI 작업을 처리할 수 있는 능력을 확인시켜 주었습니다. 이는 Intel이 어떻게 더 휴대하기 쉽고 실용적인 장치에 강력한 AI 기능을 구현하고 있는지를 보여주는 재미있고 기억에 남는 방식이었습니다.

그림 2. 주머니에 들어갈 수 있는 Intel Core Ultra 200V 프로세서.

Link to this sectionIntel OpenVINO를 통한 AI 모델 최적화#

Having showcased Intel's latest hardware advancements, Dmitriy then switched gears to Intel's software stack that supports AI. He introduced OpenVINO, Intel’s open-source framework designed to optimize and deploy AI models efficiently across different devices. OpenVINO goes beyond visual tasks, extending its support to AI models used for natural language processing, audio processing, transformers, etc.

OpenVINO는 PyTorch, TensorFlow,, ONNX와 같은 대중적인 플랫폼과 호환되며, 개발자는 이를 자신의 워크플로우에 쉽게 통합할 수 있습니다. 그가 강조한 핵심 기능 중 하나는 양자화였습니다. 양자화는 모델 가중치를 압축하여 크기를 줄임으로써 대규모 모델이 클라우드 없이도 로컬 장치에서 원활하게 실행되도록 합니다. OpenVINO는 CPU, GPU, NPU, FPGA 또는 ARM 장치 등 여러 프레임워크 전반에서 작동하며 Windows, Linux, macOS를 지원합니다. Dmitriy는 OpenVINO를 시작하는 것이 얼마나 쉬운지도 청중에게 설명했습니다.

그림 3. OpenVINO 시작 방법을 설명하는 Dmitriy.

Link to this sectionUltralytics와 Intel OpenVino의 통합#

In the second part of the talk, the mic was passed to Adrian, who explained the seamless integration between Ultralytics YOLO models and Intel’s OpenVINO toolkit, simplifying the process of YOLO model deployment. He provided a step-by-step explanation of how exporting a YOLO model using the Ultralytics Python package to the OpenVINO format is quick and straightforward. This integration makes it much easier for developers to optimize their models for Intel hardware and get the most out of both platforms.

그림 4. Ultralytics를 사용하여 모델을 OpenVINO 형식으로 쉽게 내보내는 방법을 설명하는 Adrian.

Adrian은 Ultralytics YOLO 모델이 학습되면 몇 가지 간단한 명령줄 플래그를 사용하여 이를 내보낼 수 있음을 시연했습니다. 예를 들어, 최대 정밀도를 위해 부동 소수점 버전으로 내보낼지, 더 빠른 속도와 효율성을 위해 양자화된 버전으로 내보낼지 선택할 수 있습니다. 또한 개발자가 코드 내에서 직접 INT8 양자화와 같은 옵션을 사용하여 정확도를 크게 희생하지 않으면서도 성능을 향상시키는 방법을 관리하는 과정을 강조했습니다.

Link to this sectionIntel AI PC에서의 실시간 AI 데모#

이러한 이론을 실제로 구현하기 위해 Intel 팀은 Intel AI PC에서 YOLO11을 실행하여 실시간 객체 탐지 데모를 선보였습니다. Adrian은 시스템이 다양한 프로세서에서 모델을 어떻게 처리하는지 보여주며, 부동 소수점 모델을 사용하여 CPU에서 36 FPS(초당 프레임 수), 통합 GPU에서 100 FPS 이상, INT8 양자화 버전에서 70 FPS를 달성하는 모습을 시연했습니다. 그들은 Intel AI PC가 복잡한 AI 작업을 얼마나 효율적으로 관리할 수 있는지 증명했습니다.

그는 또한 시스템이 모든 데이터나 비디오 프레임을 사전에 사용할 수 있는 작업의 경우 CPU, GPU, NPU를 함께 사용하여 모델을 병렬로 실행할 수 있다고 지적했습니다. 이는 비디오와 같은 무거운 부하를 처리할 때 유용합니다. 시스템은 여러 프로세서에 작업을 분산시켜 더 빠르고 효율적으로 처리합니다.

To wrap up, Adrian mentioned that users could try out demos at home, including solutions like people counting and intelligent queue management. He then showed a bonus demo where users could enter prompts to generate dream-like images in real time on the GPU. It demonstrated the versatility of the Intel AI PC for both traditional AI tasks and creative, generative AI projects.

Link to this sectionIntel OpenVINO를 이용한 실시간 객체 탐지#

행사장에서 Intel은 부스를 마련하여 Intel AI PC에서 실행되는 YOLO11 기반의 실시간 객체 탐지 데모를 전시했습니다. 참가자들은 OpenVINO로 최적화되고 Intel Core Ultra 200V 프로세서에 배포된 모델이 작동하는 것을 직접 확인할 수 있었습니다.

그림 5. Intel OpenVINO 부스에서 실시간 데모를 체험하는 참가자들.

Intel 부스에서 Dmitriy는 다음과 같이 공유했습니다. "이번이 저의 첫 YOLO Vision 참석인데, 마드리드에 오게 되어 기쁩니다. 저희는 Intel Core Ultra 200V 프로세서에서 구동되는 Ultralytics의 YOLO11 모델을 발표하고 있습니다. 이는 뛰어난 성능을 보여주며, OpenVINO를 사용하여 모델을 최적화하고 배포했습니다. Ultralytics와 협력하여 최신 Intel 하드웨어의 CPU, GPU, NPU를 활용해 모델을 실행하는 과정은 매우 순조로웠습니다." 부스에서는 참가자들이 가져갈 수 있는 티셔츠와 공책 같은 재미있는 기념품도 제공되었습니다.

Link to this section핵심 요약#

Intel Core Ultra 200V 시리즈 프로세서를 특징으로 하는 YV24의 기술 발표는 OpenVINO 툴킷이 어떻게 Ultralytics YOLO11과 같은 AI 모델을 최적화하는지 보여주었습니다. 이러한 통합을 통해 사용자는 클라우드 서비스에 의존할 필요 없이 장치에서 직접 YOLO 모델을 실행하여 객체 탐지와 같은 컴퓨터 비전 작업에서 훌륭한 성능을 경험할 수 있습니다.

개발자와 AI 애호가들은 CPU, GPU, NPU와 같은 하드웨어를 완벽하게 활용하여 실시간 애플리케이션을 위한 YOLO 모델을 손쉽게 실행하고 미세 조정할 수 있습니다. Ultralytics YOLO 모델과 결합된 Intel OpenVINO 툴킷은 고급 AI 기능을 개인용 장치로 직접 가져올 수 있는 새로운 가능성을 열어주며, 다양한 산업 분야에서 AI 혁신을 주도하려는 개발자들에게 이상적인 선택지를 제공합니다.

함께 협력하고 혁신해 봅시다! 당사의 GitHub 저장소를 방문하여 기여 내용을 살펴보고 커뮤니티와 소통해 보세요. 우리가 어떻게 AI를 사용하여 제조 및 의료와 같은 산업에 영향을 미치고 있는지 확인해 보시기 바랍니다.