PeekingDuck

PeekingDuck의 핵심 개념은 pipeline-as-config입니다:

``yaml nodes: - input.visual: source: webcam - model.yolo - draw.bbox - output.screen``

이 구성이 시작되면 「카메라 → YOLO 감지 → 박스 그리기 → 표시」의 실시간 파이프라인이 됩니다. 프레임워크는 50개 이상의 노드를 내장하고 있으며, 입력(비디오, 카메라, 이미지), 모델(YOLO, HRNet, PoseNet 등), 후처리(추적, 계산, ROI 필터링), 출력(화면, 파일, 메시지 큐)을 포함합니다.

응용 시나리오: 지능형 모니터링, 인적 흐름 분석, 소매 고객 행동, 운동 자세 분석, 안전 준수 검사(마스크 착용, 헬멧 착용).

PeekingDuck는 CV 도구 생태계에서 독특한 경로를 걸었습니다: SOTA 모델을 추구하지 않고 「생산 가능한 최소 프레임워크」를 추구합니다.

업계에는 이미 OpenCV, Detectron2, MMDetection 등 강력한 CV 도구들이 있지만, 이들은 소규모 기업, 학생, 비 ML 전문 개발자들에게 진입 장벽이 너무 높습니다. PeekingDuck의 목표는 「Python은 알지만 딥러닝은 모르는」개발자도 30분 내에 프로덕션급 CV 애플리케이션을 구축할 수 있도록 하는 것입니다.

기술적으로는 하위 계층에서 PyTorch, TensorFlow 등의 프레임워크를 캡슐화하고, 외부에는 단순한 인터페이스만 노출합니다. 성능은 최고 수준이 아니지만, 배포, 디버깅, 유지보수 비용은 자체 구축 파이프라인보다 훨씬 낮습니다.

PeekingDuck는 AISG의 「개발 도구 전략」의 또 다른 산물입니다——TagUI와 마찬가지로, AI 실용화의 진입 장벽을 낮추는 것을 목표로 합니다.

「7개 전도 레버」 내에서:

• 레버 3(산업 응용): 현지 중소기업이 CV 기술을 사용할 수 있도록 함
• 레버 6(외교): 오픈소스 프로젝트를 싱가포르 AI 수출의 매개체로 삼음

관점: PeekingDuck은 AISG의 가장 유명한 프로젝트는 아니지만, AISG의 엔지니어링 철학을 체현합니다: 「충분한」도구를 만들지 SOTA 도구를 만들지 않습니다. 이러한 실용적인 경로는 싱가포르와 같은 소규모 시장에서는 합리적입니다——OpenCV, Meta와 규모를 경쟁하지 않지만, 사용 편의성에서 차별화됩니다.