정말 오랜만에 저에게 필요한 강의를 찾았네요
이런 저런 복잡하고 어려운 수학적 관점보다는 코드 중심으로 보여주어 속이 시원합니다. cnn이 뭔지 어떻게 활용하는지에 대해 빠르게 학습할 수 있습니다
몇달간 이런 저런 책과 인강을 봤던 시간이 너무 아깝네요
보너스로 이미지 라벨링 작업 등을 간단하게 넣어주셨으면 비전으로 고민하는 많은 사람들에게 최고의 비전강의가 아닐까 합니다

lovesome99

이 강의는 딥러닝을 활용한 이미지와 객체 인식의 원리를 기초부터 최신 모델까지 단계적으로 배우는 과정입니다.
- 기초 다지기: 파이토치(Pytorch)로 텐서와 신경망 기본 구조 이해
- 이미지 이해하기: 컴퓨터 비전의 개념, 이미지 데이터 구조, 증강(Augmentation) 기법 학습
- CNN 모델 학습: 합성곱 신경망(CNN)으로 이미지 분류 실습 (CIFAR-10 등)
- 전이 학습(Transfer Learning): 기존 학습된 모델을 활용해 적은 데이터로 빠르게 학습
- 객체 탐지(Object Detection): R-CNN, YOLO, SSD, DETR 등 최신 객체 탐지 모델 이해 및 실습
- 세그멘테이션(Segmentation): U-Net, Mask R-CNN을 통한 픽셀 단위 객체 분할 경험

YoungJea Oh

얼리버드 할인

딥러닝 기반 이미지·객체 인식: CNN에서 YOLO·DETR까지

좋은 평가 주셔서 감사합니다. 조언해 주신 부분도 다음 강의 업데이트에 고려하겠습니다.

실습 중심

ai in practice

AI 활용법

ai 코딩

AI 코딩

yolo

detr

입문

초급

중급이상

파이토치

PyTorch

Computer Vision(CV)

컴퓨터 비전

합성곱신경망

교육환경 준비

컴퓨터 비전 (Computer Vision) / CNN 기초

객체 탐지/분할(Object Detection/Segmentation) - Faster R-CNN / Mask R-CNN

객체 탐지/분할(Object Detection/Segmentation) - YOLO, SSD, U-Net

Transformer 기반 객체 탐지 - DETR (Detection with Transformers)