저는 컴퓨터 비전 관련 학과에서 공부하고 있는 대학생입니다. 강의가 세심하고, 무엇보다 애매한 부분이 남지 않도록 상세하게 설명해 주셔서 큰 도움이 되었습니다. 수강하면서 다른 강의에도 흥미가 생겼습니다. 다만, 강의의 가격대가 다소 높아 학생으로서는 부담이 되는 것이 사실입니다. 영상 관련하여 객체 인식 외에도 다양한 컴퓨터 비전 기술들에 대한 추가 업데이트가 있다면 더욱 좋을 것 같습니다. 남은 강의도 꾸준히 열심히 수강하겠습니다. 훌륭한 강의를 만들어 주셔서 감사합니다.

원래그런거임

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. 혹시 학생으로서 비용 부담 있으신 경우 보고 싶은 강의를 알려 주시면 할인 쿠폰 보내 드리겠습니다.

실습 중심

ai in practice

AI 활용법

ai 코딩

AI 코딩

yolo

detr

This course is a step-by-step learning process that covers the principles of image and object recognition using deep learning, from fundamentals to the latest models.
- Building Foundations: Understanding tensors and basic neural network structures with PyTorch
- Understanding Images: Learning computer vision concepts, image data structures, and augmentation techniques
- CNN Model Training: Hands-on image classification practice with Convolutional Neural Networks (CNN) using datasets like CIFAR-10
- Transfer Learning: Leveraging pre-trained models to achieve fast learning with limited data
- Object Detection: Understanding and practicing with the latest object detection models including R-CNN, YOLO, SSD, DETR
- Segmentation: Experiencing pixel-level object segmentation through U-Net and Mask R-CNN