course thumbnail
  • 데이터사이언스
  • 중급, 고급

컴퓨터비전 실전 : 글로벌 기업 엔지니어에게 배우는 Object Detection 모델 구현

딥러닝 기반 Object Detection을 활용한 custom data 모델 설계부터 구현까지! 글로벌 기업 엔지니어와 1:1 피드백 실습으로 나만의 모델을 구현해보세요!

2기
22.09.03 ~ 22.10.01 (총 4회) 매주 토요일 10:00 ~ 13:00 (총 12시간)

(1회차는 live만 진행 / 휴강 : 09월 10일 추석 연휴)

  • 오프라인
  • LIVE
    온라인 라이브 (링크제공)

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. 03. 주요 classification 모델 완.전.정.복

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


해당 코스에서
얻어갈 수 있는 것

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.

  • Classification 모델

    명료한 이해

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

  • 직접 코드 구현을 통한

    스킬 역량 향상

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

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.

30일 내 완강 시 주어지는 혜택

본 강의는 오프라인 수강을 위한 입문 강의로
수강 기한이 30일입니다.

1

온라인 강의 《컴퓨터 입문 : CNN 기반 영상인식 논문 리뷰 및 구현》 평.생.소.장

2

오프라인 강의《컴퓨터비전 실전 : 글로벌 기업 엔지니어에게 배우는 Object Detection 모델 구현》 15% 할인

코스에 대해 궁금한 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.

Q. 30일 안에 완강시 15% 할인 쿠폰은 어떻게 받나요?

우측 하단에 있는 고개센터 채팅으로 남겨 주시면 확인 후 15%할인 쿠폰을 발급해 드립니다.

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!

컴퓨터 비전 강의
Sean 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 (4)

  • 1주차. Object Detection Introduction 및 Two stage Detector

    이미지 물체 인식(Detection)기술은 딥러닝 기반의 융합 기술 분야에서 가장 많이 요구 되는 기술 중 하나 입니다. 본 강의에서는 OD 문제를 정의해보고, 이 문제를 해결하기 위해 추가적으로 고려할 요소들에 대해 학습해볼 것입니다. 마지막으로는 OD와 관련된 다양한 지표들과 OD의 dataset 형태에 대해서도 알아볼 것입니다.


    1) 이론

    – Object Detection 문제 정의

    – Localization/Region Proposal 개념 학습

    – IoU , precise,recall, mAP 등 지표 이해

    – Object Detection Dataset의 형태 이해 

    – Two-Stage type OD algorithm (RCNN series)


    2) 실습

    – Localization / Region Proposal

  • 2주차. One stage Detector 및 YOLO 모델 소개

    이미지 물체 인식(Detection) 문제를 해결하기 위한 방법으로 크게 두 가지 접근 방식이 있습니다. 모델의 발전 과정을 짚어보면서 각 접근법의 장/단점에 대해 이해해 보고, one-stage model의 대표적인 방법인 yolov3 모델을 실습할 것입니다.


    1) 이론

    – One-Stage type OD algorithm (YOLO v1~v3)

    – YOLO v1~v3 논문 리뷰


    2) 실습

    – YOLO v3 inference code 구현 
    (preprocessing, nonmaximum supresssion, intersection over union 함수 및 darknet53, yolo v3 model 구현

  • 3주차. Object detection(YOLOv3) inference part implementation

    앞서 실행한 object detection 모델을 심층적으로 이해해 볼 것입니다. Line by line으로 코드를 리뷰 하면서 코드의 구조와 각 함수들이 어떤 역할들을 수행하는지 자세하게 살펴 볼 것입니다.


    1) 이론

    – Training Code Implementation (on image / on video)

    – 성능측정 이론 : OD를 위한 training 데이터 형태 설명


    2) 실습

    – dataset class (augmentation 포함), loss fuction, model training logic 구현

    – [Car detection-YOLO] 데이터를 활용한 Vehicle Detection 모델

  • 4주차. YOLO training 모델 구현 및 최종 프로젝트(custom data)

    본 강의의 최종 목표 프로젝트는 각 수강생들이 개인 Custom data로 딥러닝 기반 물체 인식 모델을 설계하는 것입니다. 목표를 달성하기 위해 data를 준비하는 과정인 Labeling tool 사용법부터 Pre-trained weight를 활용하여 학습 시간을 단축하는 방법, 그리고 학습된 모델을 저장하고 로드하는 방법까지 다룸으로써 현업에 도움이 될 수 있도록 가이드 할 것입니다.


    1) 이론

    – data labeling tool 소개 및 사용법

    – parser 구현


    2) 실습

    – Custom data Object detection 모델 구현 실습

커리어 성장으로 가는 길, 러닝스푼즈와 함께 하세요!

지금 보고 계시는 강의의 관련 태그로 다른 강의도 찾아보세요.

오프라인 LIVE

컴퓨터비전 실전 : 글로벌 기업 엔지니어에게 배우는 Object Detection 모델 구현

매일 선착순 20명 한정! 할인가 확인하고 커리어 성장하세요!