25/09/17/수 21:50
강의를 듣고, 객체인식에 대해 많이 이해 했습니다. 항상 객체인식하는 동영상을 볼때, 어떻게 인식하는 지 궁금했는데... 정말 좋은 강의 만드셨네요. 전 평일엔 강의를 잘 듣지 않는데요. 이 강의를 평일에도 들었네요. ^^;;  좋은 강의 만들어 주셔서 감사합니다.

sunny75

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

딥러닝 기반 이미지·객체 인식: CNN에서 YOLO·DETR까지

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

입문

초급

중급이상

파이토치

PyTorch

Computer Vision(CV)

합성곱신경망

Deep Learning-Based Image and Object Recognition: From CNN to YOLO and DETR

Preparing the Learning Environment

Computer Vision / CNN Fundamentals

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

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

Transformer-based Object Detection - DETR (Detection with Transformers)