초급자를 위해 준비한
[컴퓨터 비전] 강의입니다.
이런 걸
배워요!
최신 객체 인식 모델
다양한 딥러닝 기술
최신 버전인 YOLOv6로
객체 인식 모델과 딥러닝 지식을 배워요 🔥
실시간 객체 인식 모델
YOLO 모든 버전을 한번에! 🗂️
객체 인식 모델은 컴퓨터 비전 분야 Top 5 키워드에 3개나 꼽힐 정도로 인기가 많은 주제예요. 이번 강의에서는 최신 모델인 YOLOv6로 객체 인식 모델에 대해 학습합니다. 객체 인식 모델은 최신 딥러닝 기술들을 적극적으로 활용하면서 개발되어 왔습니다. 따라서 객체 인식을 공부하시면서 다양한 딥러닝 기술도 습득하실 수 있습니다. (모든 강의 자료는 제공됩니다.)
이 강의는 딥러닝 기초 지식이 요구되며 객체 인식에 입문하시는 분들을 대상으로 만들어진 강의입니다. 강의 목적은 객체 인식 모델의 이해와 딥러닝 지식을 넓히는 것입니다. 따라서 객체 인식을 중심으로 공부하되 다양한 딥러닝 기술을 되도록 많이 소개해 드리려고 합니다.
강의 특징 ✨
1️⃣
실시간 객체 인식 모델
YOLOv1부터 v6까지
다루는 올인원 강의
2️⃣
객체 인식, 인공신경망,
정규화 기술 등
다양한 딥러닝 기술 포함
3️⃣
2022년까지의
논문 42편과
AI 레포트 1편 참고
YOLO 모델이란? 🤔
YOLO는 실시간 객체 인식을 할 수 있는 최고의 모델 중 하나입니다. 최신 모델인 YOLOv6 (2022)는 실제 산업에 적용이 가능하도록 매우 높은 이미지 처리 속도를 가지고 있으며 경량화 또한 잘 되어 있는 모델입니다.
학습 내용 📚
- 객체 인식 입문 및 평가 지표
- YOLOv1
- YOLOv2
- YOLOv3
- YOLOv4
- YOLOv6
- YOLOv6 실습
- 숙련자가 되는 방법 (논문 읽는 방법)
예상 질문 Q&A 💬
Q. 딥러닝 기본 지식만 가지고 객체 인식 모델을 이해할 수 있을까요?
이 강의는 딥러닝 기본 지식이 있는 분들을 대상으로 만든 강의입니다. 어렵게 느껴지실 수도 있지만 아이디어를 확장시킬 수 있는 좋은 강의입니다. 최대한 이해하실 수 있도록 강의 난이도를 조정하였습니다.
Q. 왜 객체 인식을 공부해야 하나요?
객체 인식 모델은 이미지 처리 관련 최신 기술들을 적극적으로 활용하여 개발되고 있기 때문에 다양한 기술도 함께 배울 수 있어 딥러닝 지식을 넓히는데 매우 좋은 분야입니다. 따라서 딥러닝에 관심이 있으시다면 무조건 이득이 되는 공부입니다. 또한 활용도가 매우 높은 기술입니다.
Q. 어떤 프로그램을 사용하나요?
YOLOv6 실습은 별도의 설치가 필요 없는 구글 코랩(Colaboratory)에서 진행됩니다. 구글 계정(무료)이 필요하며 코랩 사용이 안 될 경우 실습에 차질이 생길 수 있습니다.
왜 딥러닝 호형인가? ✒️
수학/데이터 분석 전공 지식, 다수의 딥러닝/머신러닝 프로젝트 경험과 리서치 엔지니어 경력을 바탕으로 반드시 공부하셔야 할 내용을 짚어 드립니다.
- SCI(E) 논문, 국제 학회 발표 다수
- 인공지능 관련 대학교 자문 다수
- '딥러닝을 위한 파이토치 입문' 저서 (세종도서 학술부문 2022 우수도서로 선정)
이런 분들께
추천드려요!
학습 대상은
누구일까요?
객체 인식을 빠르게 배우고 싶으신 분
다양한 딥러닝 지식을 습득하고 싶은 분
인공지능 관련 대학원을 준비하시는 분
선수 지식,
필요할까요?
실전 인공지능으로 이어지는 딥러닝 개념 잡기
안녕하세요
딥러닝호형입니다.
안녕하세요.
딥러닝/머신러닝 관련 유튜브를 운영하는 딥러닝 호형입니다.
수학/데이터 분석을 전공하고 다수의 딥러닝 프로젝트를 완료하고 수행하고 있습니다.
머신러닝, 고급 머신러닝, 딥러닝, 최적화 이론, 강화 학습 등의 인공지능 내용과 선형 대수학, 미적분, 확률과 통계, 해석학, 수치해석 등의 수학 내용까지 여러분들과 공유할 수 있는 지식을 가지고 있습니다.
모두 만나서 반갑습니다!
* 관련 이력
현) SCI(E) 논문, 국제 학회 발표 다수
현) 인공지능 관련 대학교 자문 다수
전) K기업 전임 연구원 - 데이터 분석 및 시뮬레이션: 신제품 개발, 성능 향상, 신기술 적용
"딥러닝을 위한 파이토치 입문" 저서 (세종도서 학술부문 2022 우수도서로 선정)
커리큘럼
전체
35개 ∙ 4시간 49분
수업 자료
가 제공되는 강의입니다.
컴퓨터 비전과 객체인식 입문
09:03
객체 인식에 필요한 사전 지식
14:25
평가 지표 실습 (1) IoU
09:14
NMS 알고리즘
06:53
YOLOv1 (1) 주요 특징
09:06
YOLOv1 (3) 손실 함수
09:30
YOLOv1 (4) 예측과 결과
05:18
앵커 박스
09:28
YOLOv2 (1) 주요 특징
03:53
마지막 업데이트일: 2022년 12월 12일