딥러닝 컴퓨터 비전 완벽 가이드
딥러닝 컴퓨터 비전 완벽 가이드
수강정보
(8개의 수강평)
423명의 수강생
3개월 할부시
월 33,000원99,000원
지식공유자 : 권 철민
120회 수업 · 총 28시간 49분 수업
기간 : 평생 무제한 시청
수료증 : 발급 강의
수강 난이도 : 중급이상
권 철민의 다른 강의 연관 로드맵

이 강의는

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 배울 수 있어요

  • 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.

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.

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 🧰

  • 실습 환경은 Google Cloud Platform을 사용합니다. 또한 Google Colab용 실습 환경 소스 코드도 제공합니다.

본 강의는 많은 실습 예제들과 여러 구현 패키지, 그리고 대용량의 데이터 세트로 인해 Google Colab이 아닌 전용의 GPU 서버 환경이 필요하기에 Google Cloud Platform을 선택하였습니다.

GCP의 300$ 무료 Credit GPU서버 허용 정책이 없었다면, 대용량 데이터 기반에서 모델을 학습하는 많은 실습 예제를 가지고 있는 본 강의는 아예 기획되지도 못했을 것입니다.

GCP는 최초 가입 시 300$의 무료 Credit을 제공하며 이를 이용하여 전용의 GPU 서버를 구축할 수 있습니다. 단, GPU 서버를 사용하기 위해서는 유료 계정으로 전환이 필요하지만, 수강생 여러분께서는 크게 염려하실 필요는 없습니다. 유료 계정이지만 300$ 까지는 무료로 GPU 서버를 사용할 수 있으며  본 강의의 모든 실습 예제는 300$ 무료 Credit내에서 충분히 완료하실 수 있습니다.

강의의 서두인 '섹션 0. 구글 클라우드에서 실습 환경 구축하기' 에서 300$ 무료 Credit으로 효과적으로 GPU 서버를 사용하는 방법이 기술 되어 있으니 이를 잘 지켜주시면 추가 비용 없이 전용 GPU 서버 기반에서 본 강의를 완강 하실 수 있을 것입니다. 

기본적으로 GCP에서 전용 GPU 서버로 실습 환경을 구성하시는 것을 권장하지만, Google Colab 기반으로도 실습이 가능할 수 있도록 Colab용 실습 코드와 사용법 강의를 함께 제공합니다.

Google Cloud Platform이나, 타 Cloud , 또는 Colab등에서 GPU 서버를 사용하지 못하실 경우 실습 예제를 따라하시는데 어려움이 있음을 미리 양해 부탁드립니다.

실습 코드 👨‍💻

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

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

도움 되는 분들

  • 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

  • 파이썬 프로그래밍 경험
  • 딥러닝 CNN에 대한 기본 이해
  • Keras와 Tensorflow에 대한 얇은 경험

지식공유자 소개

(전) 엔코아 컨설팅

(전) 한국 오라클

Kx Systems 기술 이사

파이썬 머신러닝 완벽 가이드 저자

교육과정

모두 펼치기 120 강의 28시간 49분
섹션 1. Object Detection의 이해
10 강의 121 : 24
Object Detection과 Segmentation 개요
14 : 28
Object Detection 주요 구성 요소 및 왜 Object Detection은 어려운가?
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
Selective Search 실습 및 시각화
15 : 02
IOU(Intersection over Union)의 이해
12 : 26
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
9 강의 109 : 22
Object Detection 주요 데이터 세트 소개 및 Pascal VOC 데이터 세트의 이해
12 : 44
Pascal VOC 데이터 세트 탐색하기
16 : 10
MS-COCO 데이터 세트의 이해
13 : 04
OpenCV 개요
07 : 19
OpenCV를 활용한 이미지 처리 실습
13 : 33
OpenCV를 활용한 영상 처리 실습
14 : 10
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)
15 강의 191 : 39
RCNN의 이해 01 - Region Proposal 기반의 Object Detection 모델
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
OpenCV의 DNN 패키지 기반 Object Detection 소개
16 : 02
Faster RCNN 코랩 실습시 유의사항
05 : 44
OpenCV DNN으로 Faster RCNN Object Detection 실습 01
14 : 27
OpenCV DNN으로 Faster RCNN Object Detection 실습 02
21 : 42
GPU 활용 시 발생하는 주요 오류 대처 방안
05 : 14
Tensorflow로 Faster RCNN Object Detection 실습
19 : 28
섹션 4. SSD(Single Shot Detector)
6 강의 94 : 25
SSD의 이해 01 - One Stage Detector와 SSD 개요
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 5. YOLO(You Only Look Once)
21 강의 328 : 55
YOLO의 이해 01 - YOLO 개요와 YOLO Version 1 상세
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
YOLO 코랩 실습시 유의사항
08 : 07
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
Keras-yolo3로 Object Detection 실습 01
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 6. RetinaNet
16 강의 241 : 18
RetinaNet 개요
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
RetinaNet 코랩 실습 시 유의사항
08 : 15
Keras-Retinanet으로 Object Detection 실습 - 01
22 : 47
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 7. Tensorflow Object Detection API
8 강의 131 : 05
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 8. Segmentation - Mask RCNN
20 강의 306 : 28
Segmentation 개요
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
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 9. 실습 환경관련 이슈 사항이 있을 때마다 내용을 공유하는 섹션입니다.
1 강의 21 : 44
Resource 부족 관련 해결 방안
21 : 44

공개 일자

2020년 4월 2일 (마지막 업데이트 일자 : 2020년 5월 15일)

수강 후기

5.0
8개의 수강평
default_profile.png
러닝홀릭 4달 전
극강입니다. 좋은 실습 예제들 큰 도움이 되었습니다 ^^
default_profile.png
한병식 4달 전
권철민 강사님 강의는 언제나 최고입니다. 감사합니다.
default_profile.png
백승환 3달 전
회사에 비전 관련 제품을 만들고 있는중인데요. 체계적으로 정리할 수 있어 너무나 좋은 강의입니다. 혹시나 망설이시는 분이 있다면 강추입니다.
지식공유자 되기
많은 사람들에게 배움의 기회를 주고,
경제적 보상을 받아보세요.
지식공유참여
기업 교육을 위한 인프런
“인프런 비즈니스” 를 통해 모든 팀원이 인프런의 강의들을
자유롭게 학습하는 환경을 제공하세요.
인프런 비즈니스