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.

(4.8) 72 reviews

668 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

9,151

Learners

675

Reviews

351

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

72 reviews

4.8

72 reviews

김한주
Reviews 6
∙
Average Rating 5.0
5
30% enrolled
다른 강의와 다르게 기본 개념, Toy 프로젝트에서 그치는 것이 아니라 산업에서 사용되는 수준을 다루고 있어서 좋았습니다.
- AISchool
  Instructor
  안녕하세요. 귀중한 시간을 할애해서 수강해주셔서 감사합니다~!. 상세한 수강평도 감사합니다~. 더 만족스러운 강의를 제작할 수 있도록 노력하겠습니다. 좋은 하루되세요!
김준표
Reviews 5
∙
Average Rating 5.0
5
73% enrolled
TensorFlow2.0으로 배우는 딥러닝 입문 강의 완강하고 저랑 잘 맞아서 이 강의도 듣게 됐습니다. 아직 전반부 듣고 있긴 하지만 설명도 잘해주시고 프로젝트도 남길 수 있어서 진학 및 취업 준비에 굉장히 도움 많이 될 것 같아요.
- AISchool
  Instructor
  안녕하세요. 귀중한 시간을 할애해서 수강해주셔서 감사합니다~!. 더 만족스러운 강의를 제작할 수 있도록 노력하겠습니다. 좋은 하루되세요!
kream
Reviews 1
∙
Average Rating 5.0
5
25% enrolled
프로젝트 진행하면서 정말 많은 도움을 받은 강의였습니다. 기초적인 부분도 알려주시고, 코드도 어떻게 진행되는지 잘 알려주셔서 도움이 많이 되었습니다.
- AISchool
  Instructor
  안녕하세요. 귀중한 시간을 할애해서 수강해주셔서 감사합니다~!. 더 만족스러운 강의를 제작할 수 있도록 노력하겠습니다. 좋은 하루되세요!
dreamer
Reviews 1
∙
Average Rating 5.0
5
100% enrolled
유익한 좋은 강의 감사드립니다.
- AISchool
  Instructor
  안녕하세요. 귀중한 시간을 할애해서 수강해주셔서 감사합니다~!. 더 만족스러운 강의를 제작할 수 있도록 노력하겠습니다. 좋은 하루되세요!
slhyj95
Reviews 1
∙
Average Rating 5.0
5
67% enrolled
대학원에서 Machine learning 전공 예정인데, 부족한 부분을 이해하고, 연습하는데 많은 도움이 되었습니다.
- AISchool
  Instructor
  안녕하세요. 귀중한 시간을 할애해서 수강해주셔서 감사합니다~!. 더 만족스러운 강의를 제작할 수 있도록 노력하겠습니다. 좋은 하루되세요!

$110.00

AISchool's other courses

Check out other courses by the instructor!

모두를 위한 대규모 언어 모델 LLM Part 5 - LangGraph로 나만의 AI 에이전트 만들기

AISchool

최신 AI 기술의 총집합체인 AI 에이전트! 다양한 AI 에이전트들을 구현해보면서 LangGraph를 이용한 나만의 AI 에이전트 구현법을 학습해봅니다.

Intermediate

LangGraph, AI Agent, LangChain

모두를 위한 대규모 언어 모델 LLM Part 5 - LangGraph로 나만의 AI 에이전트 만들기

AISchool

모두를 위한 대규모 언어 모델 LLM(Large Language Model) Part 2 - 랭체인(LangChain)으로 나만의 ChatGPT 만들기

AISchool

랭체인(LangChain) 라이브러리의 개념과 활용 방법을 학습하고, 랭체인(LangChain) 라이브러리를 이용해서 나만의 ChatGPT를 만들어보는 강의입니다.

Intermediate

LLM, LangChain, ChatGPT

모두를 위한 대규모 언어 모델 LLM(Large Language Model) Part 2 - 랭체인(LangChain)으로 나만의 ChatGPT 만들기

AISchool

비트코인 암호화폐 자동매매 코인봇 만들기 Part 2 - 자동수익 코인봇 만들기

AISchool

자동 수익을 낼 수 있는 비트코인 암호화폐 코인봇 개발을 위한 [아이디어 발굴 - 데이터 수집 - 백테스트를 통한 검증] 프로세스와 강사가 개발한 AIS1, AIS2 투자 전략의 원리, 종목 선정과 매수, 매도 타점과 백테스트, 봇 실행을 위한 소스 코드를 학습할 수 있는 강의입니다.

Basic

Python, colab, 투자

비트코인 암호화폐 자동매매 코인봇 만들기 Part 2 - 자동수익 코인봇 만들기

AISchool

고품질 AI 에이전트를 만들기 위한 컨텍스트 엔지니어링(Context Engineering)

AISchool

실습을 통해 고품질 AI 에이전트를 만들기 위한 컨텍스트 엔지니어링(Context Engineering) 기법들을 학습해봅니다.

Intermediate

AI Agent, LangGraph, 인공지능(AI)

고품질 AI 에이전트를 만들기 위한 컨텍스트 엔지니어링(Context Engineering)

AISchool

모두를 위한 대규모 언어 모델 LLM(Large Language Model) Part 1 - Llama 2 Fine-Tuning 해보기

AISchool

LLM(Large Language Model)의 기초 개념부터 고성능 LLM인 Llama 2 모델을 내가 원하는 데이터셋에 Fine-Tuning하는 방법까지 차근차근 학습합니다.

Intermediate

LLM, Llama, 딥러닝

모두를 위한 대규모 언어 모델 LLM(Large Language Model) Part 1 - Llama 2 Fine-Tuning 해보기

AISchool

비트코인 암호화폐 자동매매 코인봇 만들기 Part 1 - 무위험 전략 학습하기

AISchool

암호화폐 자동매매 코인봇을 만들고 운영하는데 필요한 A부터 Z까지의 모든 과정을 학습합니다. (거래소 API 사용법 기초, AWS를 이용한 배포) 또한 암호화폐 시장의 구조적 특성을 이용한 연 10% 내외의 무위험 수익을 얻을 수 있는 투자전략(김치 프리미엄 이용 등)을 학습할 수 있습니다.

Basic

투자

비트코인 암호화폐 자동매매 코인봇 만들기 Part 1 - 무위험 전략 학습하기

AISchool

YOLO 구현으로 배우는 딥러닝 논문 구현 with TensorFlow 2.0

AISchool

YOLO(You Only Look Once) 논문을 TensorFlow 2.0을 이용해서 밑바닥부터 구현해보며 딥러닝 논문 구현 능력을 배울 수 있는 강의입니다.

Intermediate

딥러닝, Tensorflow

YOLO 구현으로 배우는 딥러닝 논문 구현 with TensorFlow 2.0

AISchool

모두를 위한 대규모 언어 모델 LLM Part 6 - 프로젝트로 배우는 LangGraph를 이용한 AI 에이전트 구현

AISchool

LangGraph를 이용해서 다양한 AI 에이전트 구현 프로젝트를 진행하면서 LangGraph를 이용해서 실용적인 AI 에이전트는 만드는 방법을 학습합니다.

Intermediate

LangGraph, AI Agent, LangChain

모두를 위한 대규모 언어 모델 LLM Part 6 - 프로젝트로 배우는 LangGraph를 이용한 AI 에이전트 구현

AISchool

모두를 위한 ChatGPT Part 1 - ChatGPT를 이용한 업무자동화와 파이썬 입문

AISchool

ChatGPT를 이용한 다양한 업무자동화 방법(엑셀, PPT, 크롤링, 이미지처리)과 업무자동화를 위한 파이썬(Python) 기초를 학습할 수 있는 강의입니다. ChatGPT가 만들 변화된 미래를 미리 경험해보세요.

Beginner

ChatGPT

모두를 위한 ChatGPT Part 1 - ChatGPT를 이용한 업무자동화와 파이썬 입문

AISchool

TensorFlow 2.0으로 배우는 딥러닝 입문

AISchool

딥러닝 핵심이론과 최신 TensorFlow 2.0을 이용한 딥러닝 코드 구현을 한번에 배울 수 있는 강의입니다.

Basic

Tensorflow, 딥러닝, 머신러닝

TensorFlow 2.0으로 배우는 딥러닝 입문

AISchool

비전공자/입문자를 위한 Data Science(DS)와 AI 학습 & 취업 가이드

AISchool

Data Science(DS)와 Artificial Intelligence(AI) 관련 직군 분석과 관련 직군으로 커리어를 쌓아나가기 위한 학습 및 취업 로드맵을 배워보세요.

Beginner

딥러닝, 머신러닝

비전공자/입문자를 위한 Data Science(DS)와 AI 학습 & 취업 가이드

AISchool

모두를 위한 대규모 언어 모델 LLM Part 4 - AI 고객센터 챗봇(AICC)을 만들며 배우는 RAG 구현

AISchool

AI 고객센터 챗봇(AICC)을 만들면서 실용적인 RAG(Retrieval-Augmented Generation) 시스템을 만드는 방법을 학습하는 강의입니다.

Intermediate

LangChain, RAG, openAI API

모두를 위한 대규모 언어 모델 LLM Part 4 - AI 고객센터 챗봇(AICC)을 만들며 배우는 RAG 구현

AISchool

모두를 위한 대규모 언어 모델 LLM Part 3 - 구글 제미나이(Google Gemini) API, OpenAI API와 젬마(Gemma)로 AI 어플리케이션 만들기

AISchool

구글 제미나이(Gemini) 모델의 개념과 Gemini API 활용 방법을 학습하고, Streamlit을 이용해서 다양한 AI 어플리케이션을 만들어보는 강의입니다.

Intermediate

openAI API, ChatGPT, gemini

모두를 위한 대규모 언어 모델 LLM Part 3 - 구글 제미나이(Google Gemini) API, OpenAI API와 젬마(Gemma)로 AI 어플리케이션 만들기

AISchool

개발자의 미래! AI를 이용한 바이브 코딩 Part 1 - Cursor를 이용한 나만의 MCP 서버 만들기

AISchool

Cursor로 나만의 MCP 서버를 만들어보면서 개발자의 미래 모습인 바이브 코딩을 체득하는 강의입니다.

Basic

cursor, LLM, MCP

개발자의 미래! AI를 이용한 바이브 코딩 Part 1 - Cursor를 이용한 나만의 MCP 서버 만들기

AISchool

퀀트 투자를 위한 주식 자동매매 봇 만들기 Part 1

AISchool

이베스트투자증권 xing API를 이용해서 주식 자동매매 봇을 만드는 강의입니다. 1년 365일 자동으로 거래하는 나만의 주식 자동매매 봇을 만들어보세요.

Intermediate

Python, 투자, 퀀트

퀀트 투자를 위한 주식 자동매매 봇 만들기 Part 1

AISchool

모두를 위한 ChatGPT Part 4 - ChatGPT와 실습으로 배우는 크롤링

AISchool

ChatGPT를 이용한 웹사이트 크롤링 방법을 학습할 수 있는 강의입니다. ChatGPT가 만들 변화된 미래를 미리 경험해보세요.

Beginner

ChatGPT, 웹 크롤링, Selenium

모두를 위한 ChatGPT Part 4 - ChatGPT와 실습으로 배우는 크롤링

AISchool

모두를 위한 ChatGPT Part 2 - ChatGPT를 이용한 데이터분석과 판다스 활용

AISchool

ChatGPT를 이용한 데이터 분석과 판다스 활용 방법을 학습할 수 있는 강의입니다. ChatGPT가 만들 변화된 미래를 미리 경험해보세요.

Beginner

ChatGPT, Numpy, Pandas

모두를 위한 ChatGPT Part 2 - ChatGPT를 이용한 데이터분석과 판다스 활용

AISchool

GPT 논문 구현으로 배우는 딥러닝 논문 구현 with TensorFlow 2.0 Part 1

AISchool

GPT-1(Improving Language Understanding by Generative Pre-Training) 논문을 TensorFlow 2.0을 이용해서 밑바닥부터 구현해보며 딥러닝 논문 구현 능력을 배울 수 있는 강의입니다.

Intermediate

gpt, Tensorflow, 딥러닝

GPT 논문 구현으로 배우는 딥러닝 논문 구현 with TensorFlow 2.0 Part 1

AISchool

모두를 위한 ChatGPT Part 3 - ChatGPT로 퀀트 투자 전략 만들기

AISchool

ChatGPT를 이용해서 다양한 퀀트투자 전략을 만드는 법을 학습할 수 있는 강의입니다. ChatGPT를 이용해서 나만의 퀀트 투자 전략을 만들어 보세요.

Beginner

ChatGPT, 퀀트, 투자

모두를 위한 ChatGPT Part 3 - ChatGPT로 퀀트 투자 전략 만들기

AISchool

모두를 위한 MCP를 이용한 업무자동화 - 다양한 사례로 배우는 MCP(Model Context Protocol) 활용 (feat. Cursor)

AISchool

다양한 사례를 통해 MCP(Model Context Protocol)를 이용한 업무자동화 방법(Playwright 크롤링, Figma 디자인, Notion 자료 정리, Excel 자료분석)을 학습할 수 있는 강의입니다.

Beginner

MCP, AI 활용 (AX)

모두를 위한 MCP를 이용한 업무자동화 - 다양한 사례로 배우는 MCP(Model Context Protocol) 활용 (feat. Cursor)

AISchool

Similar courses

Explore other courses in the same field!

[OpenCV] 파이썬 딥러닝 영상처리 프로젝트 - 손흥민을 찾아라!

노마드크리에이터

OpenCV(Open Source Computer Vision Library)로 이미지와 영상을 처리하고, 딥러닝 모듈(dnn, Deep Neural Network)을 활용하여 얼굴, 눈, 다양한 사물을 식별하고 인식하는 재미있는 프로젝트를 이론과 함께 배우는 과정입니다.

Intermediate

Tensorflow, 머신러닝, 딥러닝

[OpenCV] 파이썬 딥러닝 영상처리 프로젝트 - 손흥민을 찾아라!

노마드크리에이터

AI 포트폴리오 만들기 - Airbnb 클론 프로젝트

AISchool

TensorFlow 활용 우수사례인 airbnb 데이터 사이언스팀의 Amenity Detection 프로젝트를 클론 프로젝트로 진행해보고 이 진행경험을 GitHub 블로그로 정리해서 AI 포트폴리오를 만들 수 있는 강의입니다.

Basic

딥러닝, 포트폴리오, GitHub

AI 포트폴리오 만들기 - Airbnb 클론 프로젝트

AISchool

[모바일] 딥러닝 Computer Vision 실전 프로젝트

노마드크리에이터

AI 인공지능, 모바일이 대세라는 것은 말할 필요가 없습니다. 그런데 머신러닝과 딥러닝을 배워서 모바일에서 어떻게 쓴다는 겁니까? 이제 생활에서 활용되는 유용한 모바일 Computer Vision 프로젝트들을 같이 배워봅시다.

Intermediate

IONIC, 머신러닝, 딥러닝

[모바일] 딥러닝 Computer Vision 실전 프로젝트

노마드크리에이터

OpenCV 를 활용한 명함인식 기능 구현 강좌

마이캠퍼스

명함인식을 구현하는 실전을 통해 OpenCV를 활용하고 이미지를 처리하는 방법을 배웁니다. OpenCV에 대해서는 간략히 설명하며, 명함인식을 구현하기 위해 필요한 OpenCV 함수들은 좀 더 자세히 설명하는 방식입니다. 즉 기초강좌라기 보다는 명함인식이라는 실전을 위한 엑기스를 제공합니다. Tesseract 및 Microsoft의 OCR엔진을 활용하는 방안도 포함됩니다. 본 강의의 소스코드는 Python기반이지만, 활용하는 OpenCV 클래스 및 함수와 이미지 인식 및 처리기술을 익히기 때문에, 이를 바탕으로 안드로이드와 iOS에 적용하는 것은 무리가 없을 것입니다. 수강하시는 분은 강의 슬라이드, 실제 동작하는 명함 인식 소스 코드를 제공합니다. 2017년 1월과 2월에 3회의 오프라인 세미나를 하면서 더욱 개선되고 검증된 강의 내용을 강사가 정성들여 온라인용으로 다시 녹음한 것입니다. 본 강의에서 활용되는 OpenCV 함수들입니다. cv2.Canny() cv2.GaussianBlur() cv2.VideoCapture() cv2.adaptiveThreshold() cv2.approxPolyDP() cv2.arcLength() cv2.boundingRect() cv2.boxPoints() cv2.contourArea() cv2.convertScaleAbs() cv2.createTrackbar() cv2.cvtColor() cv2.destroyAllWindows() cv2.dilate() cv2.drawContours() cv2.findContours() cv2.getAffineTransform() cv2.getPerspectiveTransform() cv2.getTrackbarPos() cv2.imread() cv2.imshow() cv2.imwrite() cv2.minAreaRect() cv2.namedWindow() cv2.rectangle() cv2.resize() cv2.threshold() cv2.waitKey() cv2.warpAffine() cv2.warpPerspective()

Intermediate

딥러닝, OpenCV, 컴퓨터 비전

OpenCV 를 활용한 명함인식 기능 구현 강좌

마이캠퍼스

딥러닝 기반 이미지·객체 인식: CNN에서 YOLO·DETR까지

YoungJea Oh

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

Intermediate

PyTorch, 컴퓨터 비전, CNN

딥러닝 기반 이미지·객체 인식: CNN에서 YOLO·DETR까지

YoungJea Oh

[AI 실습] Prompt-to-prompt 논문 구현을 통해 이해하는 Diffusion 모델

동동

이 강의는 생성형 인공지능 모델 중 Diffusion 모델과 관련된 실습을 수행합니다. 대표적인 Diffusion 모델 응용 논문인 prompt-to-prompt 논문을 함께 읽어보고 구현해 봄으로써, 최신 인공지능 논문을 이해할 수 있는 능력을 함양할 수 있기를 기대합니다.

Intermediate

Python, 딥러닝, PyTorch

[AI 실습] Prompt-to-prompt 논문 구현을 통해 이해하는 Diffusion 모델

동동

처음하는 딥러닝과 파이토치(Pytorch) 부트캠프 (쉽게! 기본부터 챗GPT 핵심 트랜스포머까지) [데이터분석/과학 Part3]

잔재미코딩 DaveLee

강사가 처음 딥러닝을 익혔을 때 실패했던 경험을 바탕으로 딥러닝 이해에 필요한 수학, 이론, 파이토치 기반 구현, 전이학습, GPT 핵심 트랜스포머까지 차근차근 익힐 수 있도록 새롭게 꾸민 강의입니다.

Basic

딥러닝, PyTorch, 머신러닝

처음하는 딥러닝과 파이토치(Pytorch) 부트캠프 (쉽게! 기본부터 챗GPT 핵심 트랜스포머까지) [데이터분석/과학 Part3]

잔재미코딩 DaveLee

[텐서플로2] 파이썬 머신러닝 완전정복 - 마라톤 기록예측 프로젝트

노마드크리에이터

보스톤 마라톤 빅 데이터를 기반으로 파이썬과 텐서플로2를 이용하여 다양하고 유용한 머신러닝 회귀(Regression)와 분류(Classification) 프로젝트를 이론과 함께 배우는 머신러닝 종합 프로젝트 과정입니다.

Intermediate

Tensorflow, 머신러닝, Keras

[텐서플로2] 파이썬 머신러닝 완전정복 - 마라톤 기록예측 프로젝트

노마드크리에이터

[7일 완성] 한 번에 합격하는 MS AI-900 자격증

JOB,GREEGI

AI 시대의 필수 자격증, MS AI-900! 🚀 알고 계셨나요? ChatGPT는 Microsoft Azure에서만 운영됩니다! 최신 GPT 모델을 독점 제공하는 Microsoft Azure OpenAI를 제대로 활용하고 싶다면, 지금이 바로 기회입니다. AI-900 과정을 통해 Azure AI 서비스 전문가로 성장하고, 기업이 신뢰하는 엔터프라이즈급 AI 솔루션을 마스터하세요. 글로벌 공인 인증까지 확보하여 진정한 AI 전문가로서 경쟁력을 높이세요!

Beginner

머신러닝, 딥러닝, 인공지능(AI)

[7일 완성] 한 번에 합격하는 MS AI-900 자격증

JOB,GREEGI

AI를 활용한 제조업 분야의 실무 적용 전략(전자/반도체 분야)

바이트 탐정

전자·반도체 산업은 초정밀 공정과 복잡한 공급망으로 인해 데이터 기반 관리와 혁신이 특히 중요한 분야입니다. 이 강의는 AI 기술을 활용하여 불량 검출, 공정 최적화, 예지보전, 공급망 관리 등 전자·반도체 제조업에서 바로 적용할 수 있는 실무 전략을 다룹니다. 글로벌 기업의 실제 사례와 함께, 중소·중견기업이 현실적으로 활용할 수 있는 저비용·고효율 AI 도입 방법도 제시합니다. 이를 통해 수강생은 생산성 향상과 비용 절감뿐 아니라, 미래 경쟁력을 갖추는 AI 기반 제조 전략을 이해하고 적용할 수 있게 됩니다.

Beginner

인공지능(AI), 빅데이터, AI 활용 (AX)

AI를 활용한 제조업 분야의 실무 적용 전략(전자/반도체 분야)

바이트 탐정

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