Thumbnail
BEST 데이터 사이언스 인공지능
딥러닝 컴퓨터 비전 완벽 가이드
(4.9)
47개의 수강평 ∙ 1264명의 수강생
99,000원

월 19,800원

5개월 할부 시
지식공유자 : 권 철민
총 201개 수업˙총 46시간 38분
평생 무제한 수강
수료증 발급 강의
입문 초급 중급이상 대상
내 목록 추가 1116 공유
중급자를 위해 준비한
[인공지능] 강의입니다.

본 강의는 Object Detection과 Segmentation에 대한 깊이 있는 이론 설명과 현업에서 바로 사용될 수 있는 수준의 실습 예제들을 통해 여러분을 현장에서 필요한 딥러닝 기반의 컴퓨터 비전 전문가로 발돋움시켜 드릴 것입니다.

✍️
이런 걸
배워요!
딥러닝 기반의 Object Detection과 Segmentation의 이해
RCNN 계열, SSD, YOLO, RetinaNet, Mask RCNN 에 대한 깊이 있는 이론 학습
실무에 Object Detection/Segmentation을 직접 적용할 수 있는 수준에 이를 수 있도록 난이도 있는 다양한 실전 예제 익히기
Object Detection/Segmentation을 구성하는 다양한 기반 지식 습득
OpenCV와 Tensorflow로 이미지/영상을 Object Detection/Segmentation 하기
YOLO, RetinaNet, Mask RCNN을 구현한 여러 오픈 소스 패키지들의 활용법 익히기
Tensorflow Object Detection API 활용법 익히기
오픈 소스 패키지와 Tensorflow Object Detection API를 이용하여 Custom 데이터 세트를 Training하여 나만의 모델 생성하기
GPU 서버에서 Object Detection/Segmentation 모델을 Training하고 활용하는 법 익히기
PASCAL VOC/MS-COCO/Google Open Image등 주요 데이터 세트 다루기
다양한 Object Detection/Segmentation 모델에 대한 장단점을 실습 예제를 통해 직접 체득

강의 소개 📝

안녕하십니까,

딥러닝 컴퓨터 비전의 기술 중심이 Object Detection과 Segmentation으로 급격하게 이동하고 있습니다.

지능형 영상 정보 인식/AI 비전 검사 스마트 팩토리/의료 이미지 자동진단/로보틱스/자율 주행차등 많은 분야에서 딥러닝 기반의 Object Detection과 Segmentation 기술이 확산되면서 국내외 굴지의 AI 선두 기업들은 이 분야에 투자를 아끼지 않으며, 많은 개발 인력에 대한 확충을 모색하고 있습니다.  

Object Detection과 Segmentation 분야는 최근 몇년간 급속하게 발전하면서 실무 역량을 갖춘 인재에 대한 수요가 늘고 있습니다. 그럼에도 불구하고 딥러닝을 응용한 최신 분야인 만큼 학습을 위한 책, 자료, 강의등이 부족해 적절한 인력 양성이 어려운 현실입니다.

권 철민, 딥러닝 컴퓨터 비전 완벽 가이드

본 강의는 Object Detection과 Segmentation에 대한 깊이있는 이론 설명현업에서 바로 사용될 수 있는 많은 실습 예제들로 구성되어 있으며, 여러분을 현장에서 필요한 딥러닝 기반의 컴퓨터 비전 전문가로 발돋움시켜 드릴 것입니다.

공지 드립니다.

본 강의는 현재 개정판을 순차적으로 Release 중입니다.

개정판은 기존 강의에서 거의 80% 정도가 새롭게 만들어 질것이며, 기존 강의 보다 더욱 향상되고 추가된 강의들을 소개 드릴 것입니다.  주로 아래와 같은 사항에 중점을 두었습니다.

  1. 그동안 수강생 분들의 질문이 많은 부분에 대해 보다 자세한 이론 설명
  2.  최신/최고의 성능을 가진 Object Detection/Segmentation 패키지 기반의 실습
    3. Object Detection/Segmentation의 최신 트렌드 반영
    4. 보다 다양하고 확장성 있는 그리고  유연한 실습 코드의 작성과 더욱 상세한 설명.
    5. 기타 다양한 추가 강의
    6. 구글 클라우드에서 GPU할당이 어려워짐에 따른 구글 코랩 환경 기반 실습을 위주

가장 많이 변경되는 부분은 실습 강의 입니다. 기존의 Tensorflow와 Keras 기반의 오픈소스 패키지로 되어 있는 실습 강의를  OpenMMLab의 MMDetection과 Ultralytics의 Yolo v3 패키지로 변경하여 강의를 제작 중에 있습니다. 

아시는 분은 잘 아시겠지만, 현재(2021년 5월 기준) MMDetection과 Ultralytics의 Yolo 패키지는 Object Detection 분야에서 가장 인정받고 있는 패키지들 입니다. MMDetection은 Kaggle의 winning 솔루션으로도 불리면서 다양한 최신의 알고리즘을 구현함과 동시에 뛰어난 성능으로 인정 받고 있습니다. Ultralytics의 Yolo는 yolo v5로 작년에 이쪽 세계(?)를 떠들썩하게 만든 장본인 입니다. 실습은 yolov3로 하지만, yolov5의 경우 interface가 v3와 거의 동일하므로 큰 변경없이 yolo v5를 적용할 수도 있습니다.

딥러닝 컴퓨터 비전 완벽 가이드 개정판 출시 일정은 아래와 같습니다.

5월 31일 ~ 6월 5일: MMDetection 이해와 Faster RCNN Train/Inference 실습
~ 6월 12일 : YOLO 실습
~ 6월 19일 : SSD와 RetinaNet 실습
~ 6월 26일 : Mask RCNN 실습
~ 6월 30일: 이론 보강과 기타 추가 내용

먼저 실습 강의 위주로 영상을 출시하도록 하겠습니다.

개정판 강의의 경우 <Pre-release> 라고 표시가 되어 있으며, 현재 기존 강의와 개정판 강의가 섞여 있는 상태이기에 <Pre-release> 개정판 Pre-release강의와 기존 강의의 학습 순서 강의 영상에 강의 청취 순서와 요령을 설명 드립니다. 

개정판 강의는 단언컨데 현 강의 보다 더 뛰어나고, 더 상세한 실습 강의로 구성이 되어 있습니다.

개정판은 6월 말 완료 예정이며, 개정판의 수강료는 인상될 예정이오니 참조 부탁드립니다. 

아래 부터는 기존 강의 소개 내용이 이어집니다. 제 강의를 사랑해 주신 수강생 여러분께 다시 한번 감사 드립니다.

쉬운 개념 설명부터
깊이있는 이론까지 📚

방대한 Object Detection/Segmentation 분야에 대해 쉬운 개념부터 RCNN계열, SSD, YOLO, RetinaNet, Mask RCCN등에 대한 깊이있는 이론까지 명료하게 설명해 드립니다.

다양한 실습 예제를 통해
Object Detection과 Segmentation 구현
실전 능력을 극대화 🎓

직접 코딩을 하면서 구현해 보는 것 보다 실전 능력을 높일 수 있는 방법은 없습니다.
본 강의는 많은 실습 예제로 구성되어 있으며, 이를 통해 여러분의 Object Detection과 Segmentation 구현 실전 능력을 극대화시켜 드릴 것입니다.

  1   
현업에서 애용되는
여러 Object Detection/Segmentation
구현 패키지들을 활용하여 실습

  2  
다양한 이미지와 영상에 대한

Object Detection/Segmentation 실습

  3   
여러 Custom 데이터 세트로
모델 Training 실습

딥러닝 컴퓨터 비전 전문가라면 여러 Custom 데이터 세트로 모델을 Training 하여 자신만의 Object Detection/Segmentation 모델을 낼 수 있어야 합니다. 또 이 모델의 성능을 개선하고 Evaluation 할 수 있어야 합니다. 본 강의는 여러분에게 여러가지 구현 패키지를 활용하여 Custom 데이터 세트를 Training 하고 최적의 Inference 모델을 생성하는 능력을 배양해 드릴 것입니다.

실습 환경 🧰

  • 구글 코랩(Google Colab) 또는 개인 전용의 GPU 서버 환경에서 실습 코드를 수행하실 수 있습니다.

본 강의가 최초 출시되었을 때는(2020년 04월 3일) Google Cloud Platform에서 제공하는 무료 크레딧 $300를 이용한 전용의 GPU 서버에서 강의 실습이 구성되어 있습니다.

하지만 아쉽게도  Google Cloud Platform에서는 더 이상 무료 크레딧으로 GPU 서버 생성을 허용하지 않기에(2020년 09월 09일 기준), 구글 코랩 또는 전용 GPU 서버에서 실습이 가능 합니다. 

동영상 강의는 전용의 GPU 서버에서 실습하는 내용으로 구성되어 있으나 구글 코랩 환경에서 수행하셔도 전혀 어려움 없이 강의 실습을 따라 하실 수 있습니다. 강의 첫 동영상에 이에 대한 설명을 말씀 드리오니 참조 부탁드립니다.

    Colab 이나 전용 GPU 서버를 사용하지 못하실 경우 실습 예제를 따라하시는데 어려움이 있음을 미리 양해 부탁드립니다

    실습 코드 및 강의 교재 👨‍💻

    실습 코드는 https://github.com/chulminkw/DLCV 에서 다운로드 받으 실 수 있습니다. 실습 코드는 jupyter notebook 기반으로 작성 되었습니다. 실습 코드를 미리 리뷰해 보시면 실습을 이해하기 위한 사전 프로그래밍 수준을 아시는데 도움이 될 것입니다

    강의에 사용된 교재(320페이지 분량)는 강의의 섹션 0: 강의 교재 에서 다운로드 받으 실 수 있습니다.

    이론을 배우기 위해서
    실습보다 더 나은 방법은 없습니다

    딥러닝 이론을 완벽하게 이해할 때까지 기다리지 마십시요. 이론을 배우기 위해서 실습보다 더 나은 방법은 없습니다. 일단 코딩을 시작하면 우리의 뇌는 실체적인 이해를 하기 위해 따라오게 되어 있습니다. 강의에서 제시해 드리는 다양한 실습 예제를 저와 같이 구현해 보시지요. 강의를 들으면서, 키보드를 누르면서 직접 구현해 보신다면 그동안 뜬구름같이 느껴졌던 부분들이 점점 실체화될 것입니다.

    전문가가 되기 위해서는 가끔은(제 생각은 거의 대부분인 것 같습니다만) 걷는 걸 배우기 전에 뛰어야 할 때도 있습니다. 본 강의는 여러분의 진로와 역량을 딥러닝 기반의 컴퓨터 비전 분야에서 키울 수 있도록 최고의 동반자가 되어 드릴 것입니다.

    감사합니다.

    < 아이언맨 - 1 에서 토니 스타크가 자비스에게 아이언맨 수트 테스트 때 한 말>

    -

    인프런이 만난 사람
    권철민님 인터뷰를 읽어보세요 | 보러가기

    지식공유자가 알려주는
    강의 수강 꿀팁!
    🎓
    이런 분들께
    추천드려요!
    딥러닝에 관심있는 모든 이
    딥러닝 기반의 Object Detection과 Segmentation에 대한 이론 위주의 학습을 해오신 분
    딥러닝 CNN이 어떻게 실무에 적용될 수 있는지 고민해 오신 분
    딥러닝 CNN Image Classification을 넘어서 Object Detection/Segmentation 분야로 역량을 넓히고 싶으신 분
    Computer Vision 분야에서 딥러닝 기반의 솔루션 개발을 원하시는 분
    캐글(Kaggle)과 같은 Competition에서 Object Detection/Segmentation Challenge에 도전하고 싶으신 분
    AI 대학원을 준비 중이신분
    딥러닝 기반 Computer Vision 분야로 이직을 준비 중이신분
    📚
    선수 지식,
    필요한가요?
    파이썬 프로그래밍 경험
    딥러닝 CNN에 대한 기본 이해
    Keras와 Tensorflow에 대한 얇은 경험

    안녕하세요
    권 철민 입니다.
    권 철민의 썸네일

    (전) 엔코아 컨설팅

    (전) 한국 오라클

    AI 프리랜서 컨설턴트

    파이썬 머신러닝 완벽 가이드 저자

    커리큘럼 총 201 개 ˙ 46시간 38분의 수업
    이 강의는 영상, 첨부 파일이 제공됩니다. 미리보기를 통해 콘텐츠를 확인해보세요.
    섹션 0. 실습 환경 구축하기
    <Pre-release> 딥러닝 컴퓨터 비전 완벽 가이드 개정판 순차 출시 공지 미리보기 13:56 <Pre-release> Pre-release 개정판 실습 코드 다운로드 미리보기 05:49 <Pre-release> 개정판 Pre-release강의와 기존 강의의 학습 순서 미리보기 06:06 <중요> 구글 클라우드 GPU 실습 환경 변경에 따른 공지(2020년 9월 9일 기준) 미리보기 05:16 강의소개와 구글 클라우드 실습환경 구성 개요 미리보기 09:49 구글 클라우드 가입하고 $300 무료 Credit 받기 미리보기 08:39 GPU서버 사용을 위한 계정 Upgrade 및 GPU 서비스 신청 방법 미리보기 21:40 구글 클라우드에서 GPU 서버 셋업하기 미리보기 22:17 GPU 서버에서 실습 환경 셋업하기 - 실습용 코드와 Anaconda 셋업 미리보기 20:29 GPU 서버에서 실습 환경 셋업하기 - Conda 가상환경과 실습을 위한 패키지 설치 미리보기 20:38 여러개의 Conda 가상환경에서 Jupyter Notebook 커널 설정 미리보기 05:37 구글 클라우드 $300 무료 크레디트를 효과적으로 사용하는 방법 미리보기 13:44 구글 클라우드 서비스 모두 삭제하기 미리보기 05:42 구글 클라우드 사용시 유의사항 및 Object Storage 설정 미리보기 13:58 GPU서버 중지 및 기동하기 미리보기 03:07 구글 Colab용 실습 환경 구축 개요 미리보기 14:57 코랩에서 Tensorflow 1.13 버전 Downgrade시 오류에 따른 코랩 실습내용 업데이트 미리보기 03:45 구글 Colab 실습 환경 구축 - 소스코드 주요 차이 및 Colab 런타임 설정 미리보기 17:27 구글 Colab 실습 환경 구축 - 구글 드라이브 연동 미리보기 04:57
    강의 교재
    섹션 1. Object Detection의 이해
    Object Detection과 Segmentation 개요 미리보기 14:28 Object Detection 주요 구성 요소 및 왜 Object Detection은 어려운가? 미리보기 11:06
    Object Localization과 Detection의 이해 09:01
    Region Proposal(영역 추정)의 이해와 슬라이딩 윈도우와의 비교 08:01
    Region Proposal(영역 추정) - Selective Search 기법 09:27
    <Pre-release> Selective Search 실습 및 시각화 11:49
    <Pre-release> IOU(Intersection over Union)의 이해 16:15
    NMS(Non Max Supression)의 이해 07:31
    Object Detection 성능 평가 지표 mAP의 이해 01 - 정밀도와 재현율 19:27
    Object Detection 성능 평가 지표 mAP의 이해 02 - mAP 계산하기 14:55
    섹션 2. Object Detection과 Segmentation을 위한 주요 데이터 세트 및 구현 패키지 소개 그리고 OpenCV
    Object Detection 주요 데이터 세트 소개 및 Pascal VOC 데이터 세트의 이해 미리보기 12:44
    <Pre-release> Pascal VOC 데이터 세트 탐색하기 19:27
    MS-COCO 데이터 세트의 이해 13:04
    OpenCV 개요 07:19
    <Pre-release> OpenCV를 활용한 이미지 처리 실습 미리보기 09:30
    <Pre-release> OpenCV를 활용한 영상 처리 실습 13:14
    Object Detection과 Segmentation을 구현한 오픈소스, OpenCV, Tensorflow 기반의 다양한 패키지 소개 15:43
    Deep Learning을 위한 GPU 이해 - CUDA와 cuDNN 소개 및 nvidia-smi 명령어 활용법 07:44
    Object Detection 네트웍 개요 및 FPS/Resolution/성능 상관관계 08:55
    섹션 3. RCNN 계열 Object Detecter(RCNN, SPPNet, Fast RCNN, Faster RCNN)
    RCNN의 이해 01 - Region Proposal 기반의 Object Detection 모델 미리보기 11:32
    RCNN의 이해 02 - Bounding Box Regression과 RCNN 장단점 09:03
    SPPNet의 이해 01 - RCNN의 문제점 09:11
    SPPNet의 이해 02 - Spatial Pyramid Pooling 12:35
    SPPNet의 구조와 Object Detection 10:10
    Fast RCNN의 이해 10:02
    Faster RCNN의 이해 01 - RPN(Region Proposal Network)과 Anchor Box 20:36
    Faster RCNN의 이해 02 - Anchor Box를 활용한 RPN 구성 11:14
    Faster RCNN의 이해 03 - RPN과 Faster RCNN Training 및 성능 비교 14:39
    <Pre-release> OpenCV의 DNN을 이용한 Object Detection 구현 개요 16:02
    Faster RCNN 코랩 실습시 유의사항 05:44
    <Pre-release> OpenCV DNN으로 Faster RCNN Object Detection 실습 01 미리보기 13:48
    <Pre-release> OpenCV DNN으로 Faster RCNN Object Detection 실습 02 14:39
    <Pre-release> OpenCV DNN으로 Faster RCNN Object Detection Video Inference 실습 10:06
    GPU 활용 시 발생하는 주요 오류 대처 방안 05:14
    Tensorflow로 Faster RCNN Object Detection 실습 19:28
    <Pre-release> 모던 Object Detection 모델 아키텍처 13:33
    섹션 4. <Pre-release> MMDetection의 이해와 Faster RCNN 적용 실습 - 01
    <Pre-release> Pytorch 기반의 주요 Object Detection/Segmentation 패키지 소개 05:22
    <Pre-release> MMDetection 소개 미리보기 16:36
    <Pre-release> MMDetection에서 Faster-RCNN Pretrained 모델을 활용하여 Infererence 수행하기 - 셋업 및 Pretrained 모델 다운로드 13:34
    <Pre-release> Faster-RCNN Pretrained 모델로 Inference 실행 - 01 미리보기 19:50
    <Pre-release> Faster-RCNN Pretrained 모델로 Inference 실행 - 02 19:51
    <Pre-release> Faster-RCNN Pretrained 모델로 Video Inference 실행 14:01
    <Pre-release> tiny kitti 데이터로 MMDetection Train 실습 - MMDetection Dataset의 이해 18:49
    <Pre-release> tiny kitti 데이터로 MMDetection Train 실습 - kitti data format 이해 10:04
    <Pre-release> tiny kitti 데이터로 MMDetection Train 실습 - Config와 CustomDataset 동작 메커니즘의 이해 01 11:41
    <Pre-release> tiny kitti 데이터로 MMDetection Train 실습 - Config와 CustomDataset 동작 메커니즘의 이해 02 16:10
    <Pre-release> tiny kitti 데이터로 MMDetection Train 실습 - CustomDataset 만들기 01 15:24
    <Pre-release> tiny kitti 데이터로 MMDetection Train 실습 - CustomDataset 만들기 02 15:10
    <Pre-release> tiny kitti 데이터로 MMDetection Train 실습 - Config 설정하기 16:57
    <Pre-release> tiny kitti 데이터로 MMDetection Train 실습 - Train 실행 후 이미지 Inference 24:12
    <Pre-release> tiny kitti 데이터로 MMDetection Train 실습 - 비디오 Inference 09:20
    섹션 5. <Pre-release> MMDetection의 이해와 Faster RCNN 적용 실습 - 02
    <Pre-release> Config의 이해 - Config 대분류 및 주요 설정 이해하기 16:02
    <Pre-release> Config의 이해 - Data Pipeline 16:04
    <Pre-release> Config의 이해 - Config의 전체 목록 참조하기 01:45
    <Pre-release> Oxford Pet 데이터로 Train 실습 - Oxford Pet 데이터 세트 설명 12:00
    <Pre-release> Oxford Pet 데이터로 Train 실습 - mmdetection용 Meta File 만들기 12:58
    <Pre-release> Oxford Pet 데이터로 Train 실습 - CustomDataset 만들기 미리보기 16:05
    <Pre-release> Oxford Pet 데이터로 Train 실습 - Config 설정 및 Train 수행 20:48
    <Pre-release> Oxford Pet 데이터로 Train 실습 - 학습 결과 확인 및 Inference 수행 21:40
    <Pre-release> COCO 형태 BCCD 데이터 학습 - VOC 형태의 BCCD 데이터를 COCO 형태로 변환하기 11:19
    <Pre-release> COCO 형태 BCCD 데이터 학습 - Dataset 변환, Config 설정, 학습 및 Inference 수행 16:30
    섹션 6. SSD(Single Shot Detector)
    SSD의 이해 01 - One Stage Detector와 SSD 개요 미리보기 07:20
    SSD의 이해 02 - Multi Scale Feature Map 15:43
    SSD의 이해 03 - SSD 네트웍 구조와 Multi Scale Feature Map/Anchor box의 활용 19:59
    OpenCV DNN으로 SSD 기반 Object Detection 실습 21:33
    Tensorflow로 SSD 기반 Object Detection 실습 17:53
    SSD Pretrained 모델을 이용하여 Face(얼굴) Detection 실습 11:57
    섹션 7. YOLO(You Only Look Once)
    YOLO의 이해 01 - YOLO 개요와 YOLO Version 1 상세 미리보기 22:11
    YOLO의 이해 02 - YOLO Version 2 상세 11:00
    YOLO의 이해 03 - YOLO Version 3 상세 21:18
    OpenCV DNN으로 YOLO Object Detection 구현 개요 08:31
    OpenCV DNN으로 YOLO Object Detection 실습 01 - 단일 이미지 19:57
    OpenCV DNN으로 YOLO Object Detection 실습 02 - 영상 Detection 및 tiny-yolo 실습 11:56
    Open Source YOLO 구현 패키지인 Keras-yolo3 소개 10:57
    YOLO 코랩 실습시 유의사항 10:05
    Keras-yolo3로 Object Detection 실습 01 미리보기 14:39
    Keras-yolo3로 Object Detection 실습 02 20:34
    Keras-yolo3로 Object Detection 실습 03(tiny-yolo) 10:26
    GPU를 활용한 Object Detection 모델의 Training 수행 시 유의사항 15:26
    Keras-yolo3로 Raccoon 데이터 세트 Training 및 Object Detection 실습 01 14:36
    Keras-yolo3로 Raccoon 데이터 세트 Training 및 Object Detection 실습 02 19:10
    Keras-yolo3로 Raccoon 데이터 세트 Training 및 Object Detection 실습 03 26:50
    Keras-yolo3로 Raccoon 데이터 세트 Training 및 Object Detection 실습 04(tiny-yolo) 07:53
    Google Open Image 데이터 세트 소개 13:52
    Google Open Image 데이터 세트에서 원하는 데이터만 추출 및 변경하기 25:20
    Keras-yolo3로 Google Open Image 기반의 데이터 세트 Training 및 Object Detection 실습 01 20:09
    Keras-yolo3로 Google Open Image 기반의 데이터 세트 Training 및 Object Detection 실습 02 16:45
    Keras-yolo3로 Google Open Image 기반의 데이터 세트 Training 및 Object Detection 실습 03 09:18
    섹션 8. <Pre-release> Ultralytics Yolo 실습 - 01
    <Pre-release> Ultralytics Yolo v3 패키지 개요 15:26
    <Pre-release> Pretrained 모델로 단일 이미지 Inference 실습 15:34
    <Pre-release> Pretraiend 모델로 Video Inference 실습 10:19
    <Pre-release> coco128 데이터로 Train 실습 - train.py 수행해보기 15:35
    <Pre-release> coco128 데이터로 Train 실습 - wandb(weight and bias) 적용하기 12:21
    <Pre-release> coco128 데이터로 Train 실습 - Ultralytics Yolo 패키지의 Train 프로세스 개요 15:41
    <Pre-release> coco128 데이터로 Train 실습 - config와 weight file의 상대경로, 절대 경로 차이 이해 14:12
    <Pre-release> coco128 데이터로 Train 실습 - 데이터 디렉토리 구조와 data config를 매핑하기 07:44
    <Pre-release> Oxford Pet 데이터 Train 실습 - 데이터 리뷰와 학습과 검증용 데이터 구조 만들기 개요 10:41
    <Pre-release> Oxford Pet 데이터 Train 실습 - 학습과 검증용 데이터를 위한 메타정보 만들기 13:27
    <Pre-release> Oxford Pet 데이터 Train 실습 - Ultralytics Yolo 포맷으로 Annotation 변환 15:20
    <Pre-release> Oxford Pet 데이터 Train 실습 - Dataset yaml 적용 후 Train 수행 14:09
    <Pre-release> Oxford Pet 데이터 Train 실습 - Train_결과 리뷰 및 단일 이미지와 Video Inference 수행, 그리고 Test 데이터 Evaluation 적용하기 20:04
    섹션 9. <Pre-release> Ultralytics Yolo 실습 - 02
    <Pre-release> Annotation 툴을 이용하여 Custom Dataset 만들기 - CVAT 툴 소개 07:38
    <Pre-release> Annotation 툴을 이용하여 Custom Dataset 만들기 - CVAT 계정 등록 및 Task 생성하기 10:21
    <Pre-release> Annotation 툴을 이용하여 Custom Dataset 만들기 - CVAT로 Annotation을 만들고 Yolo 포맷 변환 수행 10:38
    <Pre-release> CVAT로 생성한 Incredibles 데이터로 Train 실습 09:23
    <Pre-release> Incredibles 데이터 Train 결과 리뷰 및 단일 이미지와 Video Inference 수행 11:11
    <Pre-release> Yolo V5로 COCO형태의 BCCD 데이터 Train 실습 - Coco2Yolo 데이터 셋 변환 개요 12:09
    <Pre-release> Yolo V5로 COCO형태의 BCCD 데이터 Train 실습 - COCO 데이터를 Ultralytics Yolo 포맷으로 변환하기 16:01
    <Pre-release> Yolo V5로 COCO형태의 BCCD 데이터 Train 실습 - Dataset yaml 적용 후 Train과 Inference 수행 16:18
    섹션 10. RetinaNet
    RetinaNet 개요 미리보기 06:25
    RetinaNet의 이해 - Focal Loss 15:45
    RetinaNet의 이해 - Feature Pyramid Network 13:42
    Open Source RetinaNet 구현 패키지인 Keras-Retinanet 소개 10:47
    Keras-RetinaNet 코랩 실습 시 유의사항 07:40
    Keras-Retinanet으로 Object Detection 실습 - 01 25:01
    Keras-Retinanet으로 Object Detection 실습 - 02 07:29
    Raccoon 데이터 세트 Training 및 Object Detection 실습 01 19:35
    Raccoon 데이터 세트 Training 및 Object Detection 실습 02 14:37
    Raccoon 데이터 세트 Training 및 Object Detection 실습 03 18:15
    Oxford Pet 데이터 세트 Training 및 Object Detection 실습 01 18:31
    Oxford Pet 데이터 세트 Training 및 Object Detection 실습 02 19:46
    Oxford Pet 데이터 세트 Training 및 Object Detection 실습 03 10:50
    ESRI Object Detection 경연대회 데이터 세트 Training 및 Object Detection 실습 01 10:53
    ESRI Object Detection 경연대회 데이터 세트 Training 및 Object Detection 실습 02 29:23
    ESRI Object Detection 경연대회 데이터 세트 Training 및 Object Detection 실습 03 14:18
    섹션 11. Tensorflow Object Detection API
    Tensorflow Object Detection API 개요 13:09
    Tensorflow Object Detection API를 위한 환경 설정 및 셋업하기 16:57
    Tensorflow Object Detection API를 이용한 Custom 데이터 세트 Training 프로세스 이해 12:15
    Oxford Pet 데이터 세트 Training 및 Object Detection 실습 01 19:25
    Oxford Pet 데이터 세트 Training 및 Object Detection 실습 02(Pipeline Config 수정및 Training 수행) 18:41
    Oxford Pet 데이터 세트 Training 및 Object Detection 실습 03(Inference 수행) 11:50
    Oxford Pet 데이터 세트 Training 및 Object Detection 실습 04(TF Record 생성로직 Customization 및 재 Training) 25:37
    Oxford Pet 데이터 세트 Training 및 Object Detection 실습 05(Pretrained 된 Inference 모델로 OpenCV DNN에서 Object Detection 수행) 13:11
    섹션 12. Segmentation - Mask RCNN
    Segmentation 개요 미리보기 10:43
    Semantic Segmentation FCN의 이해 16:12
    Mask RCNN의 이해 01 19:36
    Mask RCNN의 이해 02 06:34
    OpenCV DNN으로 Mask RCNN Instance Segmentation 실습 01 12:54
    OpenCV DNN으로 Mask RCNN Instance Segmentation 실습 02 14:49
    OpenCV DNN으로 Mask RCNN Instance Segmentation 실습 03 08:30
    Tensorflow로 Mask RCNN Instance Segmentation 실습 19:47
    Open Source Segmentation 패키지 Matterport Mask RCNN 소개 10:05
    코랩 환경에서 Mask RCNN 실습 시 유의사항 03:41
    Matterport Mask RCNN로 Segmentation 실습 01 20:17
    Matterport Mask RCNN로 Segmentation 실습 02 08:39
    Balloon 데이터 세트 Training 및 Segmentation 실습 01 13:05
    Balloon 데이터 세트 Training 및 Segmentation 실습 02 24:42
    Balloon 데이터 세트 Training 및 Segmentation 실습 03 22:27
    Balloon 데이터 세트 Training 및 Segmentation 실습 04 26:49
    Kaggle 데이터 세트 다운로드를 위한 Kaggle API 설치하기 06:38
    Kaggle Necleus 데이터 세트 Training 및 Segmentation 실습 01 15:47
    Kaggle Necleus 데이터 세트 Training 및 Segmentation 실습 02 24:10
    Kaggle Necleus 데이터 세트 Training 및 Segmentation 실습 03 17:05
    Kaggle Necleus 데이터 세트 Training 및 Segmentation 실습 04 07:39
    섹션 13. <Pre-release> Mask RCNN - 실습 01
    <Pre-release> MS COCO 데이터 포맷 상세 이해 12:01
    <Pre-release> pycocotools 이해와 활용 15:54
    <Pre-release> pycocotools를 이용한 Segmentation 시각화 08:52
    <Pre-release> Polygon과 Mask Segmentation 시각화 - 01 15:30
    <Pre-release> Polygon과 Mask Segmentation 시각화 - 02 11:01
    <Pre-release> Polygon과 Mask Segmentation 시각화 - 03 09:52
    <Pre-release> opencv DNN을 이용하여 Mask RCNN Inference 수행 - Inference 수행 후 결과 추출 13:30
    <Pre-release> opencv DNN을 이용하여 Mask RCNN Inference 수행 - Inference 수행 후 Mask 결과 시각화 18:31
    <Pre-release> opencv DNN을 이용하여 Mask RCNN Inference 수행 - Inference 시각화 코드 함수화 및 Video Inference 수행 10:45
    <Pre-release> MMDetection을 이용한 Mask RCNN Inference 실습 - Mask RCNN Config 설정 및 Inference 수행 12:23
    <Pre-release> MMDetection을 이용한 Mask RCNN Inference 실습 - Masking inference 반환 결과 분석 15:33
    <Pre-release> MMDetection을 이용한 Mask RCNN Inference 실습 - Video Inference 수행 06:16
    <Pre-release> MMDetection을 이용한 Mask RCNN Inference 실습 - Inference 결과 Segmentation 시각화 직접 구현하기 18:29
    섹션 14. <Pre-release> Mask RCNN - 실습 02
    <Pre-release> Pascal VOC 데이터를 이용한 Train 실습 - Pascal VOC 데이터를 COCO 포맷으로 변환하기 17:49
    <Pre-release> Pascal VOC 데이터를 이용한 Train 실습 - Dataset과 Config 설정 후 Train 실행하기 11:08
    <Pre-release> Pascal VOC 데이터를 이용한 Train 실습 - Train된 모델을 이용하여 이미지와 Video Inference 실행 09:53
    <Pre-release> Pascal VOC 데이터를 COCO 포맷으로 직접 변환 로직 개요 07:39
    <Pre-release> Balloon 데이터를 이용한 Train 실습 - Balloon 데이터 세트 구조 이해 11:48
    <Pre-release> Balloon 데이터를 이용한 Train 실습 - Balloon annotation을 COCO 포맷용 annotation으로 변환 19:51
    <Pre-release> Balloon 데이터를 이용한 Train 실습 - Train 실행 및 Gray Scale로 배경 적용한 Segmentation 구현하기 18:40
    <Pre-release> Kaggle Nucleus Segmentation Challenge 실습 - Nucleus 데이터 살펴보기 01 15:45
    <Pre-release> Kaggle Nucleus Segmentation Challenge 실습 - Nucleus 데이터 살펴 보기 02 27:45
    <Pre-release> Kaggle Nucleus Segmentation Challenge 실습 - Mask 이미지 파일에서 Segmentation Poloygon 좌표 추출하기 14:29
    <Pre-release> Kaggle Nucleus Segmentation Challenge 실습 - COCO 포맷으로 Annotation 변환하기 20:23
    <Pre-release> Kaggle Nucleus Segmentation Challenge 실습 - Config 설정 및 Train 수행 11:40
    <Pre-release> Kaggle Nucleus Segmentation Challenge 실습 - Train 결과 리뷰 및 Inference 수행 10:16
    섹션 15. 실습 환경관련 이슈 사항이 있을 때마다 내용을 공유하는 섹션입니다.
    Resource 부족 관련 해결 방안 21:44
    강의 게시일 : 2020년 04월 02일 (마지막 업데이트일 : 2021년 06월 20일)
    수강평 총 47개
    수강생분들이 직접 작성하신 수강평입니다. 수강평을 작성 시 300잎이 적립됩니다.
    4.9
    47개의 수강평
    5점
    4점
    3점
    2점
    1점
    VIEW 좋아요 순 최신 순 높은 평점 순 낮은 평점 순 평점 순 높은 평점 순 낮은 평점 순
    박영준 thumbnail
    구글 클라우드에서 동일한 조건을 구축하고 시작하는 방법부터 설명해 주셔서 오류가 나면 내잘못이구나 하고 파악하기가 쉽습니다. 리눅스 언어는 처음이라 생소한데, 강사님 강의 보다 보니 자주사용하는 것들은 자연스럽게 알게 되네요 . 각 디텍션 방법들에 대한 개념과 장단점, 예제가 잘 되어 있어서 좋습니다.
    2020-04-23
    노승희 thumbnail
    최고입니다. . 이런 강의를 이 가격에 들을 수 있다는거 자체가 행운인거 같습니다. . 100번 강추 합니다
    2020-06-19
    율언니 thumbnail
    극강입니다. 좋은 실습 예제들 큰 도움이 되었습니다 ^^
    2020-04-09
    백승환 thumbnail
    회사에 비전 관련 제품을 만들고 있는중인데요. 체계적으로 정리할 수 있어 너무나 좋은 강의입니다. 혹시나 망설이시는 분이 있다면 강추입니다.
    2020-04-16
    한병식 thumbnail
    권철민 강사님 강의는 언제나 최고입니다. 감사합니다.
    2020-04-06
    99,000원

    월 19,800원

    5개월 할부 시
    내 목록 추가 1116 공유
    지식공유자 : 권 철민
    총 201개 수업˙총 46시간 38분
    평생 무제한 수강
    수료증 발급 강의
    입문 초급 중급이상 대상
    지식공유자 되기
    많은 사람들에게 배움의 기회를 주고,
    경제적 보상을 받아보세요.
    지식공유참여
    기업 교육을 위한 인프런
    “인프런 비즈니스” 를 통해 모든 팀원이 인프런의 강의를
    자유롭게 학습하는 환경을 제공하세요.
    인프런 비즈니스