<div class="x_elementToProof">안녕하세요, TOPST Alliance 입니다.</div>
<div>&nbsp;</div>
<div class="x_elementToProof">대회 종료가 오늘 포함 3일이 남았습니다.</div>
<div>대회 수행하며 많은 노력을 기울여 주심에 깊은 감사 말씀을 전합니다.</div>
<div>&nbsp;</div>
<div class="x_elementToProof">본 대회의 최종 결과 제출 방식 및 기타 주요 정보를 다음과 같이 안내합니다.</div>
<div>&nbsp;</div>
<div class="x_elementToProof">1.<strong>&nbsp;제출: 11/30(목) 23시 59분&nbsp;까지</strong>&nbsp;<strong>각 팀의 학습 모델을 주최측 메일 (topst@topst.ai)로 제출 (아래 상세)</strong></div>
<div class="x_elementToProof">&nbsp; ① 주최측의 RTPM과 연동하여 주최측의 NPU 보드에서 실행 가능하도록 Cross Compile된 Executable Binary 및 Quantized network</div>
<div>&nbsp; ② 소스코드 및 빌드 가이드</div>
<div class="x_elementToProof">&nbsp; ③ 원본 신경망</div>
<div class="x_elementToProof">&nbsp; ④ 실행 가이드</div>
<div class="x_elementToProof">&nbsp; ⑤ 자체 평가결과 (예제 데이터 기반 RTPM 평가결과, 최소 5회분)</div>
<div>&nbsp;</div>
<div class="x_elementToProof">2.&nbsp;<strong>평가: 12/1(금)~12/4(월)</strong></div>
<div>&nbsp; ① 배점: 최종 모델 90%, 중간보고서 10%</div>
<div class="x_elementToProof">&nbsp; ② 모델 평가: 주최측이 준비한 5가지 평가용 데이터 기반 F1 Score 채점</div>
<div class="x_elementToProof">&nbsp; ③ 중간보고서 평가: 계획 대비 애로사항/문제점 및 해결방안을 중점으로 정성적 평가</div>
<div>&nbsp;</div>
<div><strong>3. 시상식: 12/7(목) 오전 10시 ~ 12시 (TOPST Alliance Day 행사 식순 중 시상식을 포함)</strong></div>
<div>&nbsp;</div>
<div>&nbsp; ① 반도체공학회장상 (최우수상, 1팀), 한국전기전자학회장상 (우수상, 2팀), TOPST사업부장상 (장려상, N팀) 시상</div>
<div class="x_elementToProof">&nbsp; ② 반도체공학회장상, 한국전기전자학회장상 수상팀은 간략한 발표 준비 (모델 특징, 주안점 등 5분 이내)</div>
<div class="x_elementToProof">&nbsp; ③ 본선진출팀 전원 참석 요망 (인원 팀당 최대 2인, 주최측 별도 전달한 메일로 회신 요망)</div>
<div class="x_elementToProof">&nbsp;</div>
<div class="x_elementToProof"><img src="https://s3.ap-northeast-2.amazonaws.com/topst-prod/download/content/76451a78-769f-4a4f-bb3f-0e3f4938b93a_blobid0.png" width="801" height="1132"></div>

[필독] 최종 결과 제출 방식 및 주요 정보 공지

<p>안녕하세요, TOPST Alliance 입니다.</p>
<p>참가자의 Q&amp;A 중 질문이 빈번/중복되는 주요 사항에 대해 아래와 같이 해결 방법을 공지하오니 확인 바랍니다.</p>
<p>&nbsp;</p>
<p><strong>1) 학습한 모델에 대해서, 학습 환경에서 post-processing 결과와 NPU SW Toolkit 환경에서 post-processing 결과가 다른 이유</strong><br aria-hidden="true"><br aria-hidden="true"></p>
<div>먼저, 학습 단계에서 input pre-processing에 사용한 mean, std 값을 converter 실행에서 사용했는지 확인하십시오.</div>
<div>
<p>&nbsp;■ 참고<br><em>&nbsp; □ ENLIGHT NPU SW Toolkit Tutorial K-SoC 경진대회.pdf, [참고] Input Pre-processing, 16p<br></em><em>&nbsp; □ openedges_enlight_v2.0_npu_swtoolkitmanual_telechips_general_r1.b.pdf, 4.4 Converter Options, 14p</em></p>
mean, std를 올바르게 설정했음에도 결과에 차이가 나는 것은 크게 세 가지 이유 때문입니다</div>
<div>
<p>&nbsp;■ input pre-processing 차이<br>&nbsp;■ input normalization 차이<br>&nbsp;■ post-processing 구현 차이</p>
상세 내용은 아래와 같습니다.<br aria-hidden="true">
<p>&nbsp;■ input pre-processing 차이<br>&nbsp; □ Image 처리에 사용한 python package 차이<br>&nbsp; &nbsp; &nbsp;▶ NPU SW Toolkit은 Pillow python package를 이용하여 Image를 처리하고 있습니다.<br>&nbsp; □ Image resize 에 사용된 보간법 방식 차이<br>&nbsp; &nbsp; &nbsp;▶ NPU SW Toolkit은 Bi-linear(Pillow)를 이용하여 Image를 처리하고 있습니다.<br>&nbsp; □ letter box 적용 유무에 따른 차이<br>&nbsp; &nbsp; &nbsp;▶ NPU SW Toolkit은 &lsquo;--enable-letterbox&rsquo; 옵션을 제공하고 있습니다. 이 옵션을 통해 letter box를 적용할 수 있습니다. (converter.py, enlight_sim.py 제공)<br>&nbsp; &nbsp; &nbsp;▶ 단, 보드 실행 환경에서 입력 이미지에 해당 처리가 적용 가능한지 확인해야 합니다.</p>
<p>&nbsp;■ Input normalization 차이<br>&nbsp; □ 첫 번째 conv 출력의 boundary 영역에 오차가 발생할 수 있습니다.<br>&nbsp; □ NPU SW Toolkit에서는 [그림 1]과 같이 quantization error를 최소화 하기 위해, input normalization에서 사용된 mean, std 값을 신경망의 첫 번째 conv layer의 weight와 bias에 반영하고 있습니다.</p>
<p>&nbsp; &nbsp; &nbsp; <img src="https://s3.ap-northeast-2.amazonaws.com/topst-prod/download/content/7254048d-c312-4a16-b8a7-7164d6bd3c90_blobid0.png" alt="image.png"><br>&nbsp; □ 그러나, [그림 2]와 같이 첫 번째 conv layer에 zero-padding이 존재하면, conv 출력의 boundary 값이 반영 전과 달리 차이가 날 수 있습니다.<br>&nbsp; &nbsp; &nbsp; <img src="https://s3.ap-northeast-2.amazonaws.com/topst-prod/download/content/c1ea0ed4-a219-496a-8494-1c7b08329a9e_thumbnail_image%20%281%29.png" alt="" width="537" height="281"></p>
<p>&nbsp; □ 이러한 차이를 보정하는 방법에는 두 가지가 있습니다.<br>&nbsp; &nbsp; &nbsp;▶ conv layer에 non-zero padding을 설정하여 해결할 수 있지만, 현재 사용하는 보드에 탑재된 NPU는 non-zero padding 지원이 불가능 합니다.<br>&nbsp; &nbsp; &nbsp;▶ 신경망을 학습할 때 mean=128/255, std = 128/255으로 설정하는 것입니다.</p>
<p>&nbsp;■ post-process 구현 차이<br>&nbsp; □ 학습 환경과 NPU SW Toolkit 환경에서의 post-processing 구현이 달라서 결과가 다를 수 있습니다.</p>
<p>&nbsp;</p>
<div><strong>2) Quantization으로 인한 신경망의 정확도 하락을 감소시키는 방법<br><br></strong></div>
<div>
<p>NPU SW Toolkit(quantizer.py) 사용 시 &lsquo;--m-std-8&rsquo; 옵션을 사용할 수 있습니다.</p>
<p>이 옵션은 activation data의 quantization scale을 결정하기 위해 사용되는 옵션으로,&nbsp;activation 값의 최댓값, 최솟값을 지정할 때 사용됩니다.</p>
<p>신경망의 특성에 따라, activation data의 최댓값, 최솟값이 상이할 수 있으므로,<br aria-hidden="true">'--m-std-8' 옵션 값을 바꿔가면서 quantizer를 실행한 후, 모델의 정확도를 측정하여,<br aria-hidden="true">quantization으로 인한 신경망 정확도 하락이 최소가 되는 값을 탐색하여 사용하십시오.</p>
<p>&nbsp;</p>
<p><strong>3) Quantization 적용 후의 모델에 대해서, NPU SW Toolkit 에서의 post-processing 결과와 보드에서의 post-processing 결과가 다른 이유<br><br></strong></p>
</div>
<div>
<p>NPU SW Toolkit과 보드의 데이터(이미지) 리사이징 처리가 달라서, post-processing 결과에 차이가 생길 수 있습니다.</p>
<p>&nbsp;■ NPU SW Toolkit(enlight_sim.py)은 Bi-linear(Pillow)를 사용합니다.</p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p>감사합니다.</p>
</div>
</div>

[필독] Toolkit 업데이트 배포 후 빈번/중복 Q&A 해결방법 안내

<p>안녕하세요 TOPST Alliance 입니다.</p>
<p>11/13(월) 추가 배포한 사항을 토대로 필요한 추가 공지사항이 있어 아래와 같이 전달합니다.</p>
<p>&nbsp;</p>
<div>NPU SW Toolkit과 함께 전달해 드린 'SoC에서 동작하는 post-processing 관련 C 코드들'은 본래 신경망 정확도 측정을 위해서 작성한 코드가 아니며,&nbsp;</div>
<div>embedded 보드 환경을 고려하여 탐지된 객체의 최대 수를 256개로 제한하고 있습니다.<br aria-hidden="true">이와 같은 상황에서, --th-conf 값을 0.0001으로 설정하여 보드에서 post-processing을 동작시키면, enlight_sim.py 결과보다 적은 수의 객체가 탐지될 수 있습니다.</div>
<div><span style="color: #000000; font-family: -apple-system, system-ui, Segoe UI, Roboto, Oxygen, Ubuntu, Fira Sans, Droid Sans, Helvetica Neue, sans-serif;"><br aria-hidden="true"></span>탐지 가능한 최대 객체의 수는 ENLIGHT_NPU_V20_SW_Toolkit_v0.9.7.1/test_fpga/post_process_src/enlight/enlight_data_type.h:17의 MAX_DETECTION_BOX 매크로 상수로 정의하고 있습니다.<br aria-hidden="true"><br aria-hidden="true"></div>
<div>enlight_sim.py 결과보다 적은 수의 객체가 탐지될 경우&nbsp;이 값을 변경하여 사용 부탁드립니다.</div>
<div>&nbsp;</div>
<div>감사합니다.</div>
<p>&nbsp;</p>

[신경망 변환] 보드에서 post-processing 동작시 주의사항

<p>안녕하세요, TOPST Alliance 입니다.</p>
<p>&nbsp;</p>
<p>*서버 불안정 일정을 정정하여 재안내합니다.</p>
<p>&nbsp;</p>
<p>현재 주최측이 배포하여 사용중인 서버의 접속 문제가 발생하였음을 11/17(금) 오전 9시 경 확인했습니다.</p>
<p>(현재 서버 접속 문제는 해결되어 사용 가능합니다.)</p>
<p>&nbsp;</p>
<p>이는 서버가 설치된 건물의 전체 정전이 지난 주 발생하였고, 그 여파로 간헐적 장애가 발생하는 것이 원인임을 확인 받았습니다.</p>
<p>그리고 같은 이유로 11/17(금)~11/19(일) 사이에 간헐적인 장애가 발생할 수 있음을 추가로 안내합니다.</p>
<p>(단, 해당 장애는 일시적/간헐적으로 발생하고 곧 해소되는 현상을 보입니다.)</p>
<p>&nbsp;</p>
<p>감사합니다.</p>

(내용 정정)[서버 이용] 11/17 (금) 서버 접속 장애 관련 안내

<div>
<p>안녕하세요, TOPST Alliance 입니다.</p>
<p>YOLOv5, v7(PyTorch) 신경망을 지원하는 NPU SW Toolkit을 각 팀에 메일로 전달하였습니다.</p>
<p>준비에 다소 시간이 소요되어 안내한 일정(11/10)보다 조금 지연된 점 양해 바랍니다.</p>
<p>&nbsp;</p>
<p>각 팀 참가자께서는 메일을 확인 바라며 수취에 문제가 있을 경우 주최측에 연락바랍니다.</p>
<p>&nbsp;</p>
<p>감사합니다.</p>
</div>

[경진대회] 신경망 컴파일러 (Enlight Toolkit) 배포의 건 (추가 지원 모델 반영)

<p>안녕하세요, TOPST Alliance 입니다.</p>
<p>경진대회의 중간평가 일정과 방식을 다음과 같이 공유드리오니 확인 바랍니다.</p>
<p>&nbsp;</p>
<ol>
<li>일정: 2023.11.02(목) ~ 2023.11.12(일)</li>
<li>방식: 전원에게 별도 발송한 중간보고서 양식을 다운로드 후 작성하여 주최측 공식 메일로 제출 (<a href="mailto:topst@topst.aio">topst@topst.ai)</a></li>
<li>비고: 본 중간보고서의 평가 결과는 최종 평가시에 가점 형태로 반영합니다. (작성 내용이 부족한 경우 감점으로 반영)</li>
</ol>
<p>※ 중간 보고서의 피드백은 11/10(금)까지 가능합니다. 제출시 주의하시기 바랍니다.</p>
<p>각 팀 리더는 메일의 첨부자료 확인 바랍니다.</p>
<p>&nbsp;</p>

[경진대회] 중간평가 일정 및 양식 안내 (11/02~11/12, 10 일간)

<p>안녕하세요 TOPST Alliance 입니다.</p>
<p>주최측 제공 서버가 위치한 건물의 안전점검으로 인해 11/10(금) 오후부터 11/11(토) 저녁까지 이틀간 서버 이용의 일시 장애가 발생할 수 있습니다.</p>
<p>이는 안전점검 과정에서 건물 셧다운(정전)에 따른 서버 일시 정지 상황이 발생하는 까닭입니다.</p>
<p>&nbsp;</p>
<p>안전점검 과정에서 일시적으로 셧다운 상황이 발생하여 특정 시간대를 정확히 지정하지 못하는 점 양해바라며,</p>
<p>중요한 주요 데이터의 경우 11/10(금) 오전까지 별도의 서버나 저장장치로 옮겨두시는 것을 권장드립니다.</p>
<p>&nbsp;</p>
<p>감사합니다.</p>

[경진대회] 안전점검에 따른 서버 이용 일시 장애 안내의 건 (일정: 11/10~11/11)

<p>안녕하세요 TOPST Alliance입니다.</p>
<p>신경망 컴파일러 지원 모델에 대한 본선 참가자 전체 대상 안내를 전달합니다.</p>
<p>&nbsp;</p>
<ul>
<li>금번 경진대회를 위해 배포된 Enlight Toolkit(NPU SW Toolkit)에는 YOLOv5 모델의 Anchor 파일을 만들 수 있는 tool이 포함되어 있지 않습니다.<br>또한 SoC 환경에서 YOLOv5의 post-processing 동작을 위한 interface 코드 생성은 현재 Toolkit에서 지원하지 않고 있습니다.</li>
<li>기본적으로 NPU SW Toolkit에서 제공하는 post-processing 이외의 다른 post-processing 구현은 Toolkit 사용자가 직접 구현하는 것이 원칙이나,<br>KSoC 경진대회 일정을 고려하여 NPU SW Toolkit에 YOLOv5 지원을 추가하기로 결정하였습니다.</li>
<li>업데이트된 Toolkit의 예상 제공 일자는<s> 23.11.07(화) </s>23.11.10(금) 입니다 (추가 업데이트 요소로 인한 일정 순연).</li>
</ul>
<p>&nbsp;</p>
<p>감사합니다.</p>

(내용 수정)[경진대회] 신경망 컴파일러 (Enlight Toolkit) 지원 모델 추가 안내

<p>안녕하세요, TOPST Alliance입니다.</p>
<p>본선 진출팀 중 주최측이 제공하는 서버 사용을 희망하신 팀의 리더께 관련 메일을 발송하였습니다.</p>
<p>메일 발송일 기준 다음날 오전까지 처리 및 회신을 부탁드린 사항이 있으니 꼭 메일 확인 바랍니다.</p>
<p>메일 수신에 문제가 있는 경우 Q&amp;A 또는 담당자(신찬휴 매니저)에게 연락 바랍니다.</p>
<p>&nbsp;</p>
<p>감사합니다.</p>

[경진대회] 본선 진출팀 중 주최측 제공 서버 사용 희망자 공지사항

<div class="x_elementToProof">안녕하세요, TOPST Alliance입니다.</div>
<div class="x_elementToProof">TOPST Alliance가 주최하는 2023 한국 최초 K-SoC 개방형 인공지능 플랫폼 경진대회 예비 참가서를 제출해주신 분들께 공지사항 안내드립니다.</div>
<div class="x_elementToProof">&nbsp;</div>
<div class="x_elementToProof">참가신청서 서류의 항목 중&nbsp;<span style="font-size: 14pt;"><strong>1) 경진대회 지원 동기, 2) 경진대회 수행 계획 항목의 가이드라인을 추가</strong></span>한 신청서를 유첨하여 메일로 전달드렸습니다.</div>
<div class="x_elementToProof">이 가이드를 참고하셔서 구체적인 대회 참가 계획을 작성 후 제출하여 주시기 바랍니다.</div>
<div class="x_elementToProof">&nbsp;</div>
<div class="x_elementToProof">아울러 이번 대회의 접수 기간을 기존 9/17(일)에서 9/24(일)로 1주일 연장하였습니다.</div>
<div class="x_elementToProof">단,&nbsp;<span style="font-size: 14pt;"><strong>참가 신청서의 제출은 가급적 9/22(금) 오후 6시까지 완료</strong></span>하실 것을 권장드립니다.</div>
<div class="x_elementToProof">&nbsp;</div>
<div class="x_elementToProof">권장 기간을 넘어 접수된 신청서는 담당자가 즉시 확인할 수 없으며, 수정 의견 등&nbsp;<strong>즉각적인</strong>&nbsp;<strong>피드백이 불가</strong>합니다.</div>
<div class="x_elementToProof">따라서 권장 기간 내에 접수한 참가자 대비 불이익이 발생할 수 있으니 가능한 안내한 기간 내 제출을 권장드립니다.</div>
<div class="x_elementToProof">&nbsp;</div>
<div class="x_elementToProof">관련하여 문의사항은 홈페이지의 Q&amp;A 게시판 또는 메일(topst@topst.ai)로 전해주시면 빠르게 답변드리겠습니다.</div>
<div class="x_elementToProof">&nbsp;</div>
<div class="x_elementToProof">&nbsp;</div>
<div class="x_elementToProof">감사합니다.</div>

NO	TITLE	DATE
13	[필독] 최종 결과 제출 방식 및 주요 정보 공지	2023/11/28
12	[필독] Toolkit 업데이트 배포 후 빈번/중복 Q&A 해결방법 안내	2023/11/20
11	[신경망 변환] 보드에서 post-processing 동작시 주의사항	2023/11/17
10	(내용 정정)[서버 이용] 11/17 (금) 서버 접속 장애 관련 안내	2023/11/17
9	[경진대회] 신경망 컴파일러 (Enlight Toolkit) 배포의 건 (추가 지원 모델 반영)	2023/11/13
8	[경진대회] 중간평가 일정 및 양식 안내 (11/02~11/12, 10 일간)	2023/11/02
7	[경진대회] 안전점검에 따른 서버 이용 일시 장애 안내의 건 (일정: 11/10~11/11)	2023/10/31
6	(내용 수정)[경진대회] 신경망 컴파일러 (Enlight Toolkit) 지원 모델 추가 안내	2023/10/25
5	[경진대회] 본선 진출팀 중 주최측 제공 서버 사용 희망자 공지사항	2023/10/11
4	예비 신청서 제출 참가자 대상 '참가 계획서 가이드라인' 배포 안내	2023/09/15

TOPST?

TOPST Alliance

News

Open Project

Project List

2023년 경진대회

· 경진대회 소개

· 공지사항

· Q&A

공지사항