AIBOX 시리즈
AIBOX-OrinNano 와 AIBOX-OrinNX 는 모두 NVIDIA의 오리지널 Jetson Orin 코어 보드 모듈, 표준 산업용 풀 메탈 셸, 열 전도를 위한 알루미늄 합금 구조, 효율적인 방열을 위한 상단 커버 셸 측면의 배너 그릴 디자인을 갖추고 있어 고온 작동 시 컴퓨팅 성능과 안정성을 보장하고 다양한 산업용 애플리케이션 요구 사항을 충족합니다.
| AIBOX-OrinNX | AIBOX-OrinNano | |
| 기준 치수 | 젯슨 오린 NX | 젯슨 오린 나노 |
| AI 성능 | 157 탑스 | 67 탑스 |
| 그래픽 카드 | 32개의 텐서 코어를 탑재한 1024코어 NVIDIA Ampere 아키텍처 GPU | 32개의 텐서 코어를 탑재한 1024코어 NVIDIA Ampere 아키텍처 GPU |
| CPU | 8코어 Arm Cortex-A78 64비트 CPU 2MB L2 + 4MB L3 | 6코어 Arm Cortex A78 64비트 CPU 1.5MB L2 + 4MB L3 |
| DDR | 16GB 128비트 LPDDR5 102.4GB/s | 8GB 128비트 LPDDR5 68GB/s |
| HDMI | 4K@60Hz | 4K@30Hz |
적용 사례: 배경 제거
배경 제거 기술은 이미지 처리 분야에서 중요한 도구로 자리 잡았으며, 주로 이미지 편집, 데이터 분석, 애플리케이션 개발 등의 시나리오에서 사용됩니다.
일반적인 응용 분야:
- 이미지 처리: 전자상거래 제품 이미지 추출, 인물 사진 보정, 의료 이미지 분석.
- 비디오 처리: 실시간 그린 스크린 교체, 동적 객체 추적.
- 과학 연구 전처리: 기상 크로마토그래피 분석에서 배경 제거를 통해 정량화 정확도 향상
유제이넷
U²-Net(U-squared Net)은 고정밀 배경 제거 작업을 위해 설계된 딥러닝 기반 이미지 분할 모델입니다. 핵심 기술 특징과 적용 시나리오는 다음과 같습니다.
- 이중 U자형 코덱 구조.
- 심층적 감독과 손실 함수.
- 가벼운 디자인.
소스 코드 다운로드
$ git clone --recursive --depth=1https://github.com/dusty-nv/jetson-inference
컴파일/설치
참고: https://github.com/dusty-nv/jetson-inference/blob/master/docs/building-repo-2.md
예제 실행
# remove the background (with alpha)$ ./backgroundnet.py images/bird_0.jpg images/test/bird_mask.png# replace the background$ ./backgroundnet.py --replace=images/snow.jpg images/bird_0.jpg images/test/bird_replace.jpg
