본 강의는 Object Detection과 Segmentation에 대한 깊이 있는 이론 설명과 현업에서 바로 사용될 수 있는 수준의 실습 예제를 통해 여러분을 현장에서 필요한 딥러닝 기반의 컴퓨터 비전 전문가로 발돋움시켜 드릴 것입니다.
이런 걸
배워요!
딥러닝 기반의 Object Detection과 Segmentation의 이해
RCNN 계열, SSD, YOLO, RetinaNet, EfficientDet, Mask RCNN에 대한 깊이 있는 이론 학습
MMDetection, Ultralytics Yolo, AutoML EfficientDet등 Object Detection과 Segmentation의 대표적인 구현 패키지들 활용법 익히기
OpenCV와 Tensorflow Hub를 이용하여 이미지/영상 Object Detection/Segmentation 수행하기
실무에 Object Detection/Segmentation을 직접 적용할 수 있는 수준에 이를 수 있도록 난이도 있는 다양한 실전 예제 익히기
Object Detection/Segmentation을 구성하는 다양한 기반 지식 습득
다양한 구현 패키지를 활용하여 Custom 데이터 세트를 Training 하고 나만의 모델 생성하기
다양한 Object Detection/Segmentation 모델에 대한 장단점을 실습 예제를 통해 직접 체득
Pascal VOC, MS-COCO등 주요 데이터 세트를 다루고 TFRecord 변환하기
CVAT Tool을 이용하여 데이터 세트에 Annotation을 적용하고 직접 학습 데이터 만들기
허들은 낮추고, 핵심은 더욱 깊게!
딥러닝 CNN 실무 전문가가 되어보세요.
안녕하십니까, 권철민입니다.
많은 분들의 성원에 힘입어 이번에 ‘딥러닝 컴퓨터 비전 완벽 가이드’의 개정판을 출시하게 되었습니다.
기존 강의에서 90% 정도의 영상을 새로 만들었으며, 더욱 향상되고 추가된 내용을 소개해드릴 것입니다.
그동안 강의에 보내주신 Feedback을 기반으로 아래와 같은 사항에 중점을 두고 개정판을 만들었습니다.
개정판 강의는
딥러닝 컴퓨터 비전 기술의 중심이 Object Detection과 Segmentation으로 급격하게 이동하고 있습니다.
▲지능형 영상 정보 인식 ▲AI 비전 검사 스마트 팩토리 ▲의료 이미지 자동 진단 ▲로보틱스 ▲자율 주행차량 등, 많은 분야에서 딥러닝 기반의 Object Detection과 Segmentation 기술이 확산되고 있습니다. 이에 따라 국내외 굴지의 AI 선두 기업 역시 해당 분야에 대한 투자를 아끼지 않으며, 개발 인력에 대한 확보를 모색하고 있습니다.
최근 몇 년 간 Object Detection과 Segmentation 분야가 급속하게 발전하면서 관련 실무 역량을 갖춘 인재에 대한 수요가 늘고 있습니다. 그럼에도 불구하고 딥러닝을 응용한 최신 분야인 만큼 학습을 위한 책, 자료, 강의등이 부족해 적절한 인력 양성이 어려운 현실입니다.
본 강의는 Object Detection과 Segmentation에 대한 깊이있는 이론 설명과 현업에서 바로 사용될 수 있는 많은 실습 예제들로 구성되어 있으며, 여러분을 현장에서 필요한 딥러닝 기반의 컴퓨터 비전 전문가로 발돋움시켜 드릴 것입니다.
방대한 Object Detection/Segmentation 분야에 대해 쉬운 개념부터 RCNN계열, SSD, YOLO, RetinaNet, EfficientDet, Mask RCCN등에 대한 깊이있는 이론까지 명료하게 설명해 드립니다.
직접 코딩을 하면서 구현해 보는 것보다 실전 능력을 높일 수 있는 방법은 없습니다.
본 강의는 많은 실습 예제로 구성되어 있으며, 이를 통해 여러분의 Object Detection과 Segmentation 구현 실전 능력을 극대화시켜 드릴 것입니다.
딥러닝 CNN이 어떻게
실무에 적용될 수 있을지
고민하셨던 분
딥러닝 기반
컴퓨터 비전 솔루션
개발을 원하시는 분
딥러닝 이미지분류 역량
최신 CV 기술까지
넓히고픈 분
인공지능 대학원 진학,
딥러닝 기반 CV 분야
취업/이직 준비생
선수 지식을 확인해주세요.
매우 뛰어난 성능의
최신 Object Detection/Segmentation 구현
패키지를 활용한 실습
다양한 이미지와 영상에 대한
Object Detection/Segmentation 실습
여러 Custom 데이터 세트로
모델 Training 실습
딥러닝 컴퓨터 비전 전문가라면 여러 Custom 데이터 세트로 모델을 Training하여 자신만의 Object Detection/Segmentation 모델을 낼 수 있어야 합니다. 또 이 모델의 성능을 개선하고 Evaluation 할 수 있어야 합니다.
본 강의는 여러분에게 여러가지 구현 패키지를 활용하여 Custom 데이터 세트를 Training 하고 최적의 Inference 모델을 생성하는 능력을 배양해 드릴 것입니다.
직접 제작한 Training용 데이터 세트로
Custom 모델 Training / Inference 실습
Annotation(어노테이션) 툴인 CVAT를 이용해 일반 이미지에 바운딩 박스 Annotation을 적용한 Training용 데이터 세트를 직접 제작하고, 이렇게 만든 데이터 세트를 이용하여 Custom 모델 Training 및 Inference를 실습합니다.
강의에 쓰인 실습 코드는 모두 Google Colab(구글 코랩) 환경 기반으로 작성되었습니다.
GPU를 기반으로 실습을 진행하며, Colab의 Free GPU 할당이 충분하지 않을 경우 Colab Pro의 사용도 권장드립니다. (※ Colab Pro의 경우 월 10$ 정도의 비용이 발생합니다.)
만약 Colab GPU 무료 커널 자원이 부족할 경우, Kaggle 커널을 사용하시면 됩니다. Kaggle(캐글)용으로 만든 별도 실습 코드도 제공합니다. 섹션 0 - [실습 환경 구성] 수업을 참고하시면 보다 자세한 실습 환경에 대한 내용을 들으실 수 있습니다.
수강 전 확인해주세요!
실습 코드는 https://github.com/chulminkw/DLCV_New에서 다운로드 받을 수 있습니다. 실습 코드를 미리 리뷰해 보시면 실습을 이해하기 위한 사전 프로그래밍 수준을 살펴보는 데 도움이 될 것입니다.
강의에 사용된 교재(320페이지 분량)는 강의 섹션 0: 강의 교재에서 다운로드 받으실 수 있습니다.
딥러닝 이론을 완벽하게 이해할 때까지 기다리지 마십시오. 이론을 배우기 위해서 실습보다 더 나은 방법은 없습니다.
일단 코딩을 시작하면 우리의 뇌는 실체적인 이해를 하기 위해 따라오게 되어 있습니다. 강의에서 제시해 드리는 다양한 실습 예제를 저와 같이 구현해 보시지요. 강의를 들으면서, 키보드를 누르면서 직접 구현해 보신다면 그동안 뜬구름같이 느껴졌던 부분들이 점점 실체화될 것입니다.
전문가가 되기 위해서는 가끔은(제 생각은 거의 대부분인 것 같습니다만) 걷는 걸 배우기 전에 뛰어야 할 때도 있습니다. 본 강의는 여러분의 진로와 역량을 딥러닝 기반의 컴퓨터 비전 분야에서 키울 수 있도록 최고의 동반자가 되어 드릴 것입니다.
감사합니다.
― <아이언맨 1>에서 토니 스타크가 아이언맨 수트 테스트 때 자비스에게 한 말
권철민님 인터뷰를 읽어보세요 | 보러가기
학습 대상은
누구일까요?
딥러닝에 관심있는 모든 이
딥러닝 기반의 Object Detection과 Segmentation에 대한 이론 위주의 학습을 해오신 분
딥러닝 CNN이 어떻게 실무에 적용될 수 있는지 고민해 오신 분
딥러닝 CNN Image Classification을 넘어서 Object Detection/Segmentation 분야로 역량을 넓히고 싶으신 분
Computer Vision 분야에서 딥러닝 기반의 솔루션 개발을 원하시는 분
캐글(Kaggle)과 같은 Competition에서 Object Detection/Segmentation Challenge에 도전하고 싶으신 분
AI 대학원을 준비 중이신 분
딥러닝 기반 Computer Vision 분야로 이직을 준비 중이신분
선수 지식,
필요할까요?
파이썬 프로그래밍 경험
딥러닝 CNN에 대한 기본 이해
(Optional) TF.Keras나 Pytorch에 대한 얕은 경험
(전) 엔코아 컨설팅
(전) 한국 오라클
AI 프리랜서 컨설턴트
파이썬 머신러닝 완벽 가이드 저자
전체
169개 ∙ (38시간 5분)
가 제공되는 강의입니다.