BEST

All-in-one deep learning image recognition with vehicle license plate recognition project and TensorFlow

Name: All-in-one deep learning image recognition with vehicle license plate recognition project and TensorFlow
Price: 141900 KRW

This is an all-in-one lecture where you can learn the entire process from the basics of deep learning/TensorFlow/computer vision to practical applications through a practical vehicle license plate recognition project. Through various practical exercises, you can develop practical skills to apply the latest deep learning models to custom datasets.

(4.7) 70 reviews

664 learners

AISchool

Tensorflow

Deep Learning(DL)

Machine Learning(ML)

CNN

NLP

Reviews from Early Learners

What you will learn!

How to proceed with a deep learning practical project rather than a basic example such as MNIST, CIFAR-10
How to apply the latest deep learning models to your custom dataset
Step-by-step learning from basic concepts of deep learning/machine learning to practical applications
Deep understanding of deep learning model architectures proposed in recent papers (EfficientNet, CenterNet, EAST, ...)
Principles and usage of the latest deep learning models used in various computer vision problem areas such as Object Detection, Text Detection, OCR, Image Captioning, and Generative Models.
How to improve the performance of deep learning models

Through various practical projects and learning from the latest papers
Become a Deep Learning/Computer Vision Expert . 😀

Please check before taking the class!

This lecture is based on the existing , Some classes overlap with the lectures. Please check the curriculum before taking the class.

List of relevant curriculum

Section 1

Introduction to Object Detection Problem Domain
Object Detection Metrics - IoU, mAP
Object Detection Datasets – Pascal VOC, MS COCO, KITTI, Open Images

Section 3

Introduction to TensorFlow Object Detection API

Section 4

R-CNN(Regions with CNN)
Fast R-CNN
Faster R-CNN
Non-Maximum Suppression (NMS)
SSD(Single Shot MultiBox Detector)
RetinaNet
CenterNet

Section 5

Object Detection using Pre-Trained Model

< Introduction to Deep Learning with TensorFlow 2.0 > Section 1

Artificial Intelligence, Machine Learning, Deep Learning & Supervised Learning, Unsupervised Learning, Reinforcement Learning
Deep Learning, TensorFlow Applications
A brief history of deep learning

< Introduction to Deep Learning with TensorFlow 2.0 > Section 3

Basic process of machine learning - defining hypothesis, defining loss function, defining optimization
Implementing a Linear Regression Algorithm Using TensorFlow 2.0
Batch Gradient Descent, Stochastic Gradient Descent, Mini-Batch Gradient Descent
Training Data, Validation Data, Test Data & Overfitting
Softmax Regression & Cross-Entropy Loss Function & One-hot Encoding & MNIST
TensorFlow 2.0 Keras Subclassing
Implementing MNIST Digit Classifier Using TensorFlow 2.0 and Softmax Regression

< Introduction to Deep Learning with TensorFlow 2.0 > Section 4

Multilayer Perceptron MLP
Implementing MNIST Digit Classifier Using TensorFlow 2.0 and ANN

< Introduction to Deep Learning with TensorFlow 2.0 > Section 5

Concept of AutoEncoder
Reconstructing MNIST data using TensorFlow 2.0 and autoencoders

< Introduction to Deep Learning with TensorFlow 2.0 > Section 6

The Difficulty of Computer Vision Problems and the Advent of the CNN-Based Computer Vision Era
Core concepts of convolutional neural networks - Convolution, Pooling
CNN implementation for MNIST digit classification using TensorFlow 2.0
Dropout
CNN implementation for CIFAR-10 image classification using TensorFlow 2.0

< Introduction to Deep Learning with TensorFlow 2.0 > Section 7

Recurrent Neural Network (RNN)
Vanishing Gradient Problem & LSTM & GRU
Concept of Embedding & Char-RNN
Char-RNN implementation using TensorFlow 2.0

< Introduction to Deep Learning with TensorFlow 2.0 > Section 8

Saving and loading parameters using tf.train.CheckpointManager API
Visualizing the learning process using TensorBoard

< Introduction to Deep Learning with TensorFlow 2.0 > Section 9

Introduction to various computer vision problem areas
Introduction to various natural language processing (NLP) problem areas

Learn how to use the latest deep learning models actually used by Naver (CRAFT) and Kakao (EAST).

All-in-One course to become a Deep Learning Computer Vision expert!

We've compiled everything you need to learn to become a deep learning computer vision expert into one course.
Essential theoretical knowledge for understanding the latest deep learning models : Learn the essential theories and knowledge required step by step, starting from the basics of machine learning and deep learning (ANN, CNN) to the principles of the latest deep learning models (EfficientNet, CenterNet).
Code Implementation Skills Using Python/TensorFlow 2.0 : Learn step-by-step implementation skills for actual projects using Python and TensorFlow 2.0.
Various practical projects for applying Custom Datasets : Rather than basic examples like MNIST, we will proceed with various practical projects for applying the latest deep learning models to various Custom Datasets .

Recommended for
these people

Who is this course right for?

Anyone who wants to seriously study deep learning/computer vision
Anyone who wants to work on a practical project using deep learning/computer vision

Need to know before starting?

Basic Python knowledge

Hello
This is

8,882

Learners

649

Reviews

350

Answers

4.6

Rating

Courses

AISchool ( http://aischool.ai/ )
AISchool 유튜브 채널 운영 ( https://www.youtube.com/@aischool_ai )
서울대학교 인공지능 및 컴퓨터 비전 연구실 석사
[솔라리스의 인공지능 연구실] 블로그 운영
[텐서플로로 배우는 딥러닝] 집필
S전자 컴퓨터 비전 관련 프로젝트 수행
기업대상 [AI 컨설팅 서비스] 제공
에이아이스쿨 [TensorFlow와 실습 프로젝트로 배우는 딥러닝-컴퓨터비전 Basic 코스] 강의 진행

Curriculum

All

126 lectures ∙ (20hr 51min)

Course Materials:

Lecture resources

Section 1. Course Introduction

3 lectures ∙ (11min)

1. Course Introduction
11:50
2. Download lecture slides
3. How to check the practice Colab link

Section 2. Lecture 1 - ML/DL/TensorFlow/CV Fundamentals - Learn deep learning basics and implement basic models in TensorFlow

21 lectures ∙ (3hr 41min)

4. Artificial Intelligence, Machine Learning, Deep Learning
02:02
5. Definition of Machine Learning
03:01
6. Supervised Learning, Unsupervised Learning, Reinforcement Learning
07:26
7. Deep Learning
06:01
8. Deep Learning, TensorFlow Applications
15:18
9. A Brief History of Deep Learning
11:28
10. Basic Process of Machine Learning - Defining Hypothesis, Defining Loss Function, Defining Optimization
19:25
11. Batch Gradient Descent, Stochastic Gradient Descent, Mini-Batch Gradient Descent
05:10
12. Training Data, Validation Data, Test Data & Overfitting
06:29
13. Softmax Regression & Cross-Entropy Loss Function & One-hot Encoding & MNIST
07:38
14. Introduction to various computer vision problem domains
15:06
15. Introduction to TensorFlow 2.0
12:24
16. Python Installation
03:11
17. TensorFlow Installation using pip
01:29
18. Implementing Linear Regression Algorithm with TensorFlow 2.0
18:53
19. TensorFlow 2.0 Keras Subclassing(Keras Subclassing)
04:50
20. Implementation of MNIST Digit Classifier Using TensorFlow 2.0 and Softmax Regression
28:33
21. Multilayer Perceptron MLP
14:58
22. Implementation of an MNIST Digit Classifier using TensorFlow 2.0 and ANN
15:24
23. AutoEncoder Concept
08:35
24. MNIST Data Reconstruction using Autoencoder and TensorFlow 2.0
14:06

Section 3. Lecture 2 - Learning Image Feature Extraction Methods using CNNs - Let's look at the concept of CNNs and standard CNN models

9 lectures ∙ (1hr 51min)

25. Difficulty of Computer Vision Problems and the Advent of the CNN-based Computer Vision Era
08:48
26. Core Concepts of Convolutional Neural Networks - Convolution (Convolution), Pooling (Pooling)
16:56
27. CNN implementation for MNIST digit classification using TensorFlow 2.0
12:37
28. Dropout
05:06
29. CNN Implementation for CIFAR-10 Image Classification Using TensorFlow 2.0
16:17
30. ILSVRC Competition and Standard CNN Models
10:37
31. AlexNet
17:08
32. VGGNet
07:18
33. GoogLeNet(Inception V1)
16:34

Section 4. Lecture 3 - Pre-Trained CNN - Let's look at how to use pre-trained CNNs

9 lectures ∙ (1hr 49min)

Section 5. Lecture 4 - Learning Time Series Feature Extraction Methods Using RNN - Moving Beyond Image Data to Handle Time Series Data

8 lectures ∙ (1hr 19min)

Section 6. File Structure for Deep Learning Paper Implementation Project

1 lectures ∙ (2min)

Section 7. Lesson 5 - Text Detection - Let's find the location of text within an image & Let's carry out a practical project to find car license plates within an image

8 lectures ∙ (1hr 21min)

Section 8. Notes for Colab Labs Requiring Long Training

1 lectures ∙ (12min)

Section 9. Acquiring basic Python knowledge for practical projects

3 lectures ∙ (8min)

Section 10. Lecture 6 - Optical Character Recognition (OCR) [Text Recognition] - Recognize text in images and conduct a practical project on vehicle license plate recognition

7 lectures ∙ (1hr 11min)

Section 11. Lecture 7 - License Plate Recognition - Let's conduct a practical project on vehicle license plate recognition and explore methods for improving deep learning model performance.

4 lectures ∙ (43min)

Section 12. Lecture 8 - Object Detection - Let's solidify the concept of Object Detection and explore the principles of the latest deep learning Object Detection models.

11 lectures ∙ (2hr 26min)

Section 13. Lecture 9 - Object Detection Practical Project - Let's perform Object Detection on a Custom Dataset using the Latest Deep Learning Model

19 lectures ∙ (2hr 57min)

Section 14. Image Captioning - Automatically generating image descriptions with AI

8 lectures ∙ (42min)

Section 15. Generative Adversarial Networks(GAN) - Let's generate Fake Data using AI

4 lectures ∙ (40min)

Section 16. Neural Style Transfer - Overlay a painting image on photos

4 lectures ∙ (45min)

Section 17. Semantic Image Segmentation - Let's classify images pixel by pixel

1 lectures ∙ (2min)

Section 18. Human Pose Estimation - Let's try to predict human pose

2 lectures ∙ (18min)

Section 19. Summary of How to Conduct Deep Learning Practical Projects & How to Use Papers With Code & Introduction to Deep Learning Application Areas Beyond Computer Vision

3 lectures ∙ (24min)

Published:

Last updated:

Reviews

All

70 reviews

4.7

70 reviews

whdghk8152040
Reviews 6
∙
Average Rating 5.0
5
30% enrolled
他の講義とは異なり、基本概念、Toyプロジェクトで止めるのではなく、産業で使用されるレベルを扱っていてよかったです。
- aischool
  Instructor
  こんにちは。貴重な時間を割いて受講していただきありがとうございます～！詳しい受講評もありがとうございます～。より満足のいく講義を制作できるよう努力します。良い一日を過ごしてください！
junpyokim4448
Reviews 5
∙
Average Rating 5.0
5
73% enrolled
TensorFlow2.0で学ぶディープラーニング入門講義の頑強で私とよく合ってこの講義も聞くことになりました。まだ前半に聞いているんだけど説明も上手くしてくれてプロジェクトも残せるので進学や就職準備にすごく役に立つと思います。
- aischool
  Instructor
  こんにちは。貴重な時間を割いて受講していただきありがとうございます～！より満足のいく講義を制作できるよう努力します。良い一日を過ごしてください！
seojk1234560728
Reviews 1
∙
Average Rating 5.0
5
25% enrolled
プロジェクト進行しながら本当にたくさんの助けを受けた講義でした。基本的な部分も教えてくれ、コードもどのように進行するのかよく教えてくれて助けがたくさんありました。
- aischool
  Instructor
  こんにちは。貴重な時間を割いて受講していただきありがとうございます～！より満足のいく講義を制作できるよう努力します。良い一日を過ごしてください！
dkoh0716
Reviews 1
∙
Average Rating 5.0
5
100% enrolled
お得な良い講義ありがとうございます。
- aischool
  Instructor
  こんにちは。貴重な時間を割いて受講していただきありがとうございます～！より満足のいく講義を制作できるよう努力します。良い一日を過ごしてください！
slhyj954421
Reviews 1
∙
Average Rating 5.0
5
67% enrolled
大学院でMachine learning専攻予定ですが、不足している部分を理解し、練習するのに多くの役に立ちました。
- aischool
  Instructor
  こんにちは。貴重な時間を割いて受講していただきありがとうございます～！より満足のいく講義を制作できるよう努力します。良い一日を過ごしてください！

$110.00

AISchool's other courses

Check out other courses by the instructor!

すべてのための大規模言語モデル LLM (Large Language Model) Part 1 - Llama 2 Fine-Tuning 試す

AISchool

LLM（Large Language Model）の基礎概念から、高性能LLMであるLlama 2モデルを、私が望むデータセットにFine-Tuningする方法まで、次々と学習します。

중급이상

LLM, Llama, Deep Learning(DL)

すべてのための大規模言語モデル LLM (Large Language Model) Part 1 - Llama 2 Fine-Tuning 試す

AISchool

開発者の未来！AIを利用したバイブコーディング Part 1 - Cursorを利用した自分だけのMCPサーバーの作り方

AISchool

Cursorを使って、自分だけのMCPサーバーを作ってみながら、開発者の未来の姿であるVibeコーディングを体得する講座です。

초급

cursor, LLM, Model Context Protocol

開発者の未来！AIを利用したバイブコーディング Part 1 - Cursorを利用した自分だけのMCPサーバーの作り方

AISchool

例として学ぶディープラーニング自然言語処理入門 NLP with TensorFlow - RNNからBERTまで

AISchool

ディープラーニング自然言語処理の基礎から最新モデルであるTransformerとBERTまで、ディープラーニング自然言語処理(Natural Language Processing [NLP])の原理と活用方法を様々な例と実習コード実装を通じて学習します。

초급

Deep Learning(DL), NLP, Tensorflow

例として学ぶディープラーニング自然言語処理入門 NLP with TensorFlow - RNNからBERTまで

AISchool

全ての人々のための大規模言語モデル LLM Part 6 - プロジェクトで学ぶ LangGraph を利用した AI エージェント実装

AISchool

LangGraph를 이용하여 다양한 AI 에이전트 구현 프로젝트를 진행하면서 LangGraph를 이용하여 실용적인 AI 에이전트를 만드는 방법을 학습합니다.

중급이상

LangGraph, AI Agent, LangChain

全ての人々のための大規模言語モデル LLM Part 6 - プロジェクトで学ぶ LangGraph を利用した AI エージェント実装

AISchool

TensorFlow 2.0で学ぶディープラーニング入門

AISchool

ディープラーニングコア理論と最新のTensorFlow 2.0を利用したディープラーニングコードの実装を一度に学べる講義です。

초급

Tensorflow, Deep Learning(DL), Machine Learning(ML)

TensorFlow 2.0で学ぶディープラーニング入門

AISchool

ビットコイン暗号通貨自動売買コインボットの作成 Part 1 - 無リスク戦略を学ぶ

AISchool

暗号通貨自動売買コインボットの作成と運営に必要なAからZまでのすべてのコースを学習します。（取引所APIの使用法基礎、AWSを利用した配布）また、暗号通貨市場の構造的特性を利用した年10％内外の無リスク収益を得ることができる投資戦略（キムチプレミアム利用など）を学習することができます。

초급

Investment

ビットコイン暗号通貨自動売買コインボットの作成 Part 1 - 無リスク戦略を学ぶ

AISchool

全ての人のためのMCPを利用した業務自動化 - 様々な事例で学ぶMCP(Model Context Protocol)活用 (feat. Cursor)

AISchool

様々な事例を通じて、MCP(Model Context Protocol)を利用した業務自動化の方法(Playwright クローリング、Figma デザイン、Notion データ整理、Excel データ分析)を学習できる講座です。

입문

Model Context Protocol, Generative AI

全ての人のためのMCPを利用した業務自動化 - 様々な事例で学ぶMCP(Model Context Protocol)活用 (feat. Cursor)

AISchool

AIポートフォリオ作成 - Airbnbクローンプロジェクト

AISchool

TensorFlow活用における優秀事例であるairbnbデータサイエンスチームのAmenity Detectionプロジェクトをクローンプロジェクトとして進めてみて、その進行経験をGitHubブログとして整理し、AIポートフォリオを作成できる講座です。

초급

Deep Learning(DL), Portfolio, GitHub

AIポートフォリオ作成 - Airbnbクローンプロジェクト

AISchool

YOLO実装で学ぶディープラーニング論文実装 with TensorFlow 2.0

AISchool

YOLO(You Only Look Once)論文をTensorFlow 2.0を利用して底から実装してみて、ディープラーニング論文実装能力を学べる講義です。

중급이상

Deep Learning(DL), Tensorflow

YOLO実装で学ぶディープラーニング論文実装 with TensorFlow 2.0

AISchool

皆のための大規模言語モデル LLM Part 5 - LangGraphで私だけのAIエージェント作り

AISchool

最新AI技術の集大成であるAIエージェント！様々なAIエージェントを実装してみながら、LangGraphを利用した自分だけのAIエージェント実装法を学習してみます。

중급이상

LangGraph, AI Agent, LangChain

皆のための大規模言語モデル LLM Part 5 - LangGraphで私だけのAIエージェント作り

AISchool

皆のための大規模言語モデル LLM Part 4 - AIカスタマーセンターチャットボット(AICC)を作りながら学ぶRAG実装

AISchool

AIカスタマーセンターチャットボット（AICC）を構築しながら、実践的なRAG（Retrieval-Augmented Generation）システムを構築する方法を学ぶ講座です。

중급이상

LangChain, RAG, openAI API

皆のための大規模言語モデル LLM Part 4 - AIカスタマーセンターチャットボット(AICC)を作りながら学ぶRAG実装

AISchool

全ての人のためのChatGPT Part 1 - ChatGPTを活用した業務自動化とPython入門

AISchool

ChatGPTを活用した様々な業務自動化方法(Excel、PPT、スクレイピング、画像処理)と、業務自動化のためのPython(パイソン)基礎を学習できる講座です。ChatGPTが作り出す変化した未来をぜひ事前に体験してみてください。

입문

ChatGPT

全ての人のためのChatGPT Part 1 - ChatGPTを活用した業務自動化とPython入門

AISchool

みんなのためのChatGPT Part 4 - ChatGPTと実習で学ぶクローリング

AISchool

ChatGPTを利用したウェブサイトクローリング方法を学習できる講座です。ChatGPTがもたらす変化した未来を、事前に体験してみてください。

입문

ChatGPT, Web Crawling, Selenium

みんなのためのChatGPT Part 4 - ChatGPTと実習で学ぶクローリング

AISchool

みんなのための大規模言語モデル LLM(Large Language Model) Part 2 - LangChainで自分だけのChatGPTを作る

AISchool

랭체인(LangChain)ライブラリの概念と活用方法を学習し、랭체인(LangChain)ライブラリを利用して自分だけのChatGPTを作ってみる講座です。

중급이상

LLM, LangChain, ChatGPT

みんなのための大規模言語モデル LLM(Large Language Model) Part 2 - LangChainで自分だけのChatGPTを作る

AISchool

すべてのための大規模な言語モデルLLM Part 3 - Google Gemini API、OpenAI API、GemmaでAIアプリケーションを作成する

AISchool

GoogleのGeminiモデルの概念とGemini APIの活用方法を学習し、Streamlitを利用してさまざまなAIアプリケーションを作成する講義です。

중급이상

openAI API, ChatGPT, gemini

すべてのための大規模な言語モデルLLM Part 3 - Google Gemini API、OpenAI API、GemmaでAIアプリケーションを作成する

AISchool

AIでお金を稼ぐ方法 - 事例で学ぶAI Transformation

AISchool

AI企業レビューを通じて、AI技術が私たちの現在と未来をどのように変えていくかを様々な事例を通して見ていきます。 AIプロジェクトを推進するために必要な要素を検討することで、来たるべきAI Transformationを準備します。

입문

Service Planning

AIでお金を稼ぐ方法 - 事例で学ぶAI Transformation

AISchool

非専攻者・入門者のためのData Science(DS)とAI学習・就職ガイド

AISchool

Data Science(DS)と Artificial Intelligence(AI)関連職種の分析と関連職種でのキャリア構築のための学習・就職ロードマップを学びましょう。

입문

Deep Learning(DL), Machine Learning(ML)

非専攻者・入門者のためのData Science(DS)とAI学習・就職ガイド

AISchool

クアント投資のための株式自動販売ボットの作成 Part 1

AISchool

eベスト投資証券xing APIを利用して株式自動売買ボットを作る講義です。 1年365日に自動で取引する独自の株式自動売買ボットを作ってみてください。

중급이상

Python, Investment, Quant

クアント投資のための株式自動販売ボットの作成 Part 1

AISchool

誰のためのChatGPT Part 2 - ChatGPTを利用したデータ分析とpandas活用

AISchool

ChatGPTを利用したデータ分析とPandasの活用方法を学習できる講座です。ChatGPTが創る変化した未来を先取りして体験してみてください。

입문

ChatGPT, Numpy, Pandas

誰のためのChatGPT Part 2 - ChatGPTを利用したデータ分析とpandas活用

AISchool

GPT論文実装で学ぶディープラーニング論文実装 with TensorFlow 2.0 Part 1

AISchool

GPT-1(Improving Language Understanding by Generative Pre-Training)論文をTensorFlow 2.0を利用してゼロから実装してみながら、ディープラーニング論文の実装能力を学べる講義です。

중급이상

gpt, Tensorflow, Deep Learning(DL)

GPT論文実装で学ぶディープラーニング論文実装 with TensorFlow 2.0 Part 1

AISchool

Similar courses

Explore other courses in the same field!

最新の論文とYouTubeの動画で作る2Dポーズ estimation本番プロジェクトに従ってください

kongmin

もうobject detectionはやめて！本当に簡単にポーズ推定の最新トレンド、画像やビデオでポーズ推定を行う最新の方法について学び、自分の動画で2Dポーズ推定モデルを学習して活用するディープラーニング技術を学びます。

초급

pose-estimation, object-detection, Deep Learning(DL)

最新の論文とYouTubeの動画で作る2Dポーズ estimation本番プロジェクトに従ってください

kongmin

[OpenCV] Pythonディープラーニング映像処理プロジェクト - ソン・フンミンを見つけよう！

nomad

OpenCV（Open Source Computer Vision Library）で画像や映像を処理し、ディープラーニングモジュール（dnn、Deep Neural Network）を活用して、顔、目、さまざまな事物を識別して認識する面白いプロジェクトを理論とともに学ぶ過程です。

중급이상

Tensorflow, Machine Learning(ML), Deep Learning(DL)

[OpenCV] Pythonディープラーニング映像処理プロジェクト - ソン・フンミンを見つけよう！

nomad

【モバイル】ディープラーニング Computer Vision 本番プロジェクト

nomad

AI人工知能、モバイルが大勢だということは言うまでもありません。ところで、機械学習とディープラーニングを学び、モバイルでどのように書くのでしょうか？それでは、生活の中で活用される便利なモバイルComputer Visionプロジェクトを一緒に学びましょう。

중급이상

IONIC, Machine Learning(ML), Deep Learning(DL)

【モバイル】ディープラーニング Computer Vision 本番プロジェクト

nomad

AIポートフォリオ作成 - Airbnbクローンプロジェクト

AISchool

초급

Deep Learning(DL), Portfolio, GitHub

AIポートフォリオ作成 - Airbnbクローンプロジェクト

AISchool

[AI実務] AI Research Engineerのための論文の実装を始める with PyTorch

whitebox

AIを研究したり、それを活用してプロジェクトを進める場合、基本的な論文の実装は必須です。この講義を通じて実際の論文を実施し、実務能力をアップグレードしましょう！

중급이상

Deep Learning(DL), Generative AI, PyTorch

[AI実務] AI Research Engineerのための論文の実装を始める with PyTorch

whitebox

初めてのディープラーニングとPyTorch ブートキャンプ（簡単に！基本からChatGPT核心トランスフォーマーまで）[データ分析・科学 Part3]

funcoding

講師が初めてディープラーニングを習得した際に失敗した経験に基づき、ディープラーニング理解に必要な数学、理論、PyTorchベースの実装、転移学習、GPTの核となるTransformerまで、順を追って習得できるよう、新たに構成された講義です。

초급

Deep Learning(DL), PyTorch, Machine Learning(ML)

初めてのディープラーニングとPyTorch ブートキャンプ（簡単に！基本からChatGPT核心トランスフォーマーまで）[データ分析・科学 Part3]

funcoding

ディープラーニングベース画像・物体認識：CNNからYOLO・DETRまで

YoungJea Oh

この講義は、ディープラーニングを活用した画像と物体認識の原理を基礎から最新モデルまで段階的に学ぶ過程です。 - 基礎固め：PyTorchでテンソルとニューラルネットワークの基本構造理解 - 画像理解：コンピュータビジョンの概念、画像データ構造、Augmentation技法学習 - CNNモデル学習：畳み込みニューラルネットワーク（CNN）で画像分類実習（CIFAR-10など） - Transfer Learning：既存の学習済みモデルを活用して少ないデータで高速学習 - Object Detection：R-CNN、YOLO、SSD、DETRなど最新物体検出モデル理解及び実習 - Segmentation：U-Net、Mask R-CNNによるピクセル単位物体分割体験

중급이상

PyTorch, Computer Vision(CV), CNN

ディープラーニングベース画像・物体認識：CNNからYOLO・DETRまで

YoungJea Oh

[テンソルフロー2] Pythonマシンラーニング完全征服 - マラソン記録予測プロジェクト

nomad

ボストンマラソンのビッグデータに基づいて、PythonとTensorflow 2を利用して、多様で有用な機械学習回帰（Regression）と分類（Classification）プロジェクトを理論とともに学ぶ機械学習総合プロジェクトコースです。

중급이상

Tensorflow, Machine Learning(ML), Keras

[テンソルフロー2] Pythonマシンラーニング完全征服 - マラソン記録予測プロジェクト

nomad

All-in-one deep learning image recognition with vehicle license plate recognition project and TensorFlow

Reviews from Early Learners

What you will learn!

Learn how to use the latest deep learning models actually used by Naver (CRAFT) and Kakao (EAST).

All-in-One course to become a Deep Learning Computer Vision expert!

Recommended for these people

HelloThis is .css-1q3zd4q{text-decoration-line:underline;text-underline-position:under;text-underline-offset:1px;}

Curriculum

Reviews

AISchool's other courses

Similar courses

Recommended for
these people

Hello
This is