컴퓨터비전, CV, 강의, 딥러닝, 영상 인식
  • 데이터사이언스
  • 초급

컴퓨터비전 입문 : CNN 기반 영상인식 논문 리뷰 및 구현

수많은 영상인식 필수 논문, 이 강의 하나로 완벽 정리! 컴퓨터 비전의 이해부터 CNN 기반 영상인식 모델 구현까지 기초를 탄탄히 쌓으실 수 있습니다.

바로 수강
수강 기한
평생 수강
  • 온라인
    총 32강, 약 07시간 11분

기초부터 딥러닝 최신 기법까지
컴퓨터비전의 입문

완벽한 시작을 위해 준비했습니다.

강의소개

컴퓨터비전을 처음 시작하려는 분들을 위한
친절한 입문 가이드

컴퓨터비전 강의

01. 컴퓨터비전의 성공적인 시작, 핵심 논문 리뷰!

꼭 읽어야 하는 핵심논문을 명료하게 이해하게 됩니다. 직접 코드로 구현하며 딥러닝 실전 역량을 강화할 수 있습니다.

02. Google Colab 환경에서의 실습

- 언제 어디서든 접속하여 개발 및 수정 가능
- 구글 드라이브와 연동 저장
- GPU 무료 사용

03. 주요 classification 모델 완.전.정.복

AlexNet, LeNet, ResNet, SeNet, Tensorflow기반 classification 모델 구현까지


본 강의에서
무엇을 얻어갈 수 있나요?

글로벌 자동차 기업 영상인식 연구원에게 배우는 스킬

  • 최신 영상 인식

    활용과 논문 리뷰

    물체 인식, 이미지 분류 모델 관련 프로젝트, 논문 리뷰를 통해 딥러닝 기반의 영상처리 기법을 이해하고 구현할 수 있습니다.

    컴퓨터비전 강의
  • Classification 모델

    명료한 이해

    목적에 맞는 classification을 찾고 그를 통해 tensorflow 기반 classification 모델을 직접 구현해봅니다.

    컴퓨터비전 강의
  • 직접 코드 구현을 통한

    스킬 역량 향상

    논문의 흐름에 따라 필요한 핵심 내용만 간략히 정리하고, 실습을 통해 직접 설계해보며 모델 응용력을 갖출 수 있습니다.

    컴퓨터비전 강의

핵심 논문 리뷰 및 구현을 통한 CV의 이해
이 강의 하나로 시작해보세요!


망설이는 동안,
누군가는 먼저 시작합니다.

1

컴퓨터비전에 대한 기초를 탄탄히 쌓아나갈 수 있습니다.

2

하나하나 찾아보기 어려운 필수 논문을 모아 리뷰부터 실제 구현까지 함께 진행합니다.

3

Custom Data로 성능을 비교/평가해 보면서 각 모델들의 Contribution을 제대로 이해할 수 있습니다.


우리 코스의 특징이
무엇인가요?

1

영상인식 입문에 필요한 핵심 논문 리뷰!

가장 활발한 분야인 만큼, 관련 논문도 수십 개입니다. 단언컨대 논문 수십 개를 본다고 해서 전문가가 될 수 있는 것은 아닙니다. 컴퓨터 비전 분야에서 가장 핵심이라 평가되고 있는 논문들만 집중적으로 리뷰하고 학습함으로써 보다 직관적으로 딥러닝 기반 컴퓨터 비전을 이해할 수 있도록 합니다

2

매일매일 변화하는 CV 기술, 패러다임의 변화와 최신 기술 까지!

최근 몇 년 간 CV 분야는 급속도로 발전해 오고 있습니다. 딥러닝 전문가가 되기 위해서는 어떤 아이디어들을 통해 패러다임이 변화해왔고 발전되어 올 수 있었는지 이해하는 것이 매우 중요합니다. 향후에는 어떤 방향으로 나아갈지 함께 고민할 수 있는 강의를 준비했습니다.

3

최신 논문을 직접 코드로 구현하고, 실질적인 결과물까지 도출!

실질적인 결과물까지 도출! 직접 코드를 작성하여 구현하는 것만이 실전 능력을 높이는 길입니다. 단순히 아이디어 소개에 그치지 않습니다. 논문에서 다루는 주요 모델들을 직접 구현해 보며 tensorflow 기반 classification 모델 구현 스킬을 향상시켜드립니다.

강의에 대해
궁금하신 점이 있으신가요?

Q. 기초 지식이 없어도 수강이 가능한가요?

기본적인 파이썬 문법을 알고 계신 분, 혹은 파이썬을 다뤄본 적이 없더라도 기타 프로그래밍 언어를 한 가지는 다룰 줄 아는 분들이 수강 하시는 것을 권장 드립니다.

Q. 수강 시, 준비 사항은 어떤 것이 있을까요?

실습을 진행하기 위해서는 노트북 또는 데스크탑이 필요합니다. 강의 중 실습은 Colab 환경에서 진행되기 때문에 별도의 설치 파일은 불필요합니다.

수강 대상

이런 분들은 꼭 들으셔야 해요!


영상인식 관련 대학원 진학, 딥러닝 기반 CV 분야 취업/이직을 고민하는 분


논문 리뷰를 통해 컴퓨터 비전 기초를 다지고 싶은 분


Custom Classification 모델을 만들어 현업에 적용하고자 하는 분

강사소개

우리 강사님을 소개할게요!

컴퓨터비전 강의

Lee

이력사항
  • (현)대기업 영상인식 연구원
  • 머신러닝 분야 SCIE 논문(KIIS) 저자
  • NVIDIA 딥러닝 교육과정 수료
프로젝트
  • 정보통신부: 머신러닝 기반 이미지 유사도 측정 모델
  • 서울대 의과대학: 녹내장 검출 모델
  • 서울대 융합기술원: Brain tumor검출 모델

커리큘럼 (32)

  • SECTION 1. Computer Vision 소개

    00:28:24

    1-1. CV introduce

    00:12:21

    1-2. CV conference, paradigm shift to DL

    00:09:52

    1-3. Characteristic of image data

    00:06:11
  • SECTION 2. Machine Learning 이해

    00:42:08

    2-1. Machine Learning Introduce

    00:07:07

    2-2. Learning Category

    00:15:42

    2-3. Linear Regression

    00:19:19
  • SECTION 3. Tensorflow 2.0 Programming

    00:34:35

    3-1. Colab env. Introduce

    00:08:34

    3-2. Regression Modeling with TF 2.0

    00:16:21

    3-3. Multi Layer Perceptron

    00:09:40
  • SECTION 4. Forward/Backward Propagation

    00:12:38

    4-1. Forward Propagation

    00:03:40

    4-2. Back Propagation Logic

    00:07:11

    4-3. Back Propagation Meaning

    00:01:47
  • SECTION 5. HOG descriptor

    00:36:32

    5-1. Classification Definition

    00:04:57

    5-2. SVM Model

    00:11:03

    5-3. Hog Descriptor

    00:20:32
  • SECTION 6. Gradient-Based Learning Applied to Document Recognition

    01:13:31

    6-1. Convolution Concept

    00:32:58

    6-2. LeNet

    00:25:21

    6-3. LeNet (실습)

    00:15:12
  • SECTION 7. ImageNet Classification with Deep Convolutional Neural Networks

    01:03:16

    7-1. Overfitting Solutions

    00:22:40

    7-2. Overfitting Solutions (실습)

    00:14:08

    7-3. AlexNet

    00:12:30

    7-4. AlexNet (실습)

    00:13:58
  • SECTION 8. Very Deep Convolutional Networks For Large-Scale Image Recognition

    00:34:11

    8-1. Overfitting Solutions

    00:18:05

    8-2. Transfer Learning

    00:16:06
  • SECTION 9. Going Deeper with Convolutions

    00:35:55

    9-1. GoogleNet

    00:28:14

    9-2. GoogleNet (실습)

    00:07:41
  • SECTION 10. Deep Residual Learning for Image Recognition

    00:21:53

    10-1. ResNet

    00:16:59

    10-2. ResNet (실습)

    00:04:54
  • SECTION 11. Squeeze-and-Excitation Networks

    00:14:48

    11-1. SENet

    00:10:15

    11-2. SENet (실습)

    00:04:33
  • SECTION 12. Rethinking Model Scaling for Convolutional Neural Networks

    00:33:39

    12-1. EfficientNet

    00:23:25

    12-2. EfficientNet (실습)

    00:10:14

커리어 성장으로 가는 길, 러닝스푼즈와 함께 하세요!

지금 보고 계시는 강의의 관련 태그로 다른 강의도 찾아보세요.

온라인

컴퓨터비전 입문 : CNN 기반 영상인식 논문 리뷰 및 구현

강의찾기