ハードルは下げ、コアはさらに深く! ディープラーニングCNNの実務専門家になりましょう。
最新の改訂版で会う ディープラーニングコンピュータビジョン学習。
平均星占い4.9★受講生1,300+人が選んだ、 Inflearnベストセラー2021フロントリニューアル! こんにちは、クォンチョルミンです。 多くの方々の声援に支えられ、今回「ディープラーニングコンピュータビジョン完璧ガイド」の改訂版 を発売することになりました。 既存講義で90%程度の映像を新たに作成し、さらに向上し追加された内容をご紹介します。
VIDEO
これまで講義に送ってくださったFeedbackを基に、以下の事項に重点を置いて改訂版を作成しました。
これまでに受講生 の質問が多かった内容についてのより詳細な理論説明 最新/最高のパフォーマンスを持つObject Detection/Segmentationパッケージベースの実践 Object Detection/Segmentationの最新トレンドを 反映 より柔軟で多様でスケーラブルな練習 コードを書く+より詳細な説明 その他様々な追加クラス
講義紹介📝 ディープラーニングコンピュータビジョン技術の中心が Object Detection とSegmentation に急激に移動しています。
▲インテリジェント映像情報認識 ▲AIビジョン検査スマートファクトリー ▲医療画像自動診断 ▲ロボティクス ▲自律走行車両など、多くの分野でディープラーニングベースのObject DetectionとSegmentation技術が広がっています。これにより、国内外の屈指のAIリーダー企業も、当該分野への投資を惜しまなく、開発人材に対する確保を模索しています。
ついに出会った二大勢、Object Detection & Segmentation 近年、Object DetectionとSegmentationの分野が急速に発展し、関連する実務能力を持つ人材の需要が高まっています。それにもかかわらず、ディープラーニングを応用した最新分野であるだけに、学習のための本、資料、講義などが不足して適切な人材養成が難しい現実です。
ディープラーニングコンピュータビジョンの専門家として 生まれ変われるように導きます。
このレッスンは、Object DetectionとSegmentationの深い理論の説明 と、現場ですぐに使用できる実践的な例の多く で 構成されています。
簡単な概念の説明から 深い理論まで。 膨大なObject Detection/Segmentation分野について簡単な概念から、RCNN系、SSD、YOLO、RetinaNet、EfficientDet、Mask RCCNなどについての深い理論まで明確に説明します。
細心の注意を払う講義帳と一緒に概念を忠実に学ぶことができます。 実践例による ディープラーニング実戦能力を最大化。 直接コーディングしながら実装してみるより実戦能力を高める方法はありません。 このレッスンは実践的な例で構成されています。これにより、Object DetectionとSegmentationの実装の実践能力を最大化します。
©SLAM DUNK こんな方へ おすすめです。
ディープラーニングCNN 実務に適用できるか 悩んだ方
ディープラーニングベース コンピュータビジョンソリューション 開発をご希望の方
ディープラーニング画像分類能力 最新のCV技術まで 広く苦しい方
人工知能大学院進学、 ディープラーニングベースのCV分野 就職/転職準備生
Pythonプログラミングの経験と ディープラーニングCNNの基本的な理解が 必要です。 他にTF.KerasやPytorchについて少し経験があれば、より良いです。 どこでも見づらい 最新のCV技術を一度に。
非常に優れた性能 最新のObject Detection/Segmentationの実装 パッケージを活用した実習
MMDetection、Ultralytics Yolo、AutoML EfficientDetなど
汎用的なOpenCV DNNとTensorflow Hubを活用したInferenceの実践
さまざまな画像や画像について Object Detection/Segmentation 実践
実際にコンピュータビジョン技術を活用する様々な事例
複数のカスタムデータセットで モデル Training 実習
さまざまなカスタムデータセット ディープラーニングコンピュータビジョンの専門家であれば、複数のカスタムデータセットでモデルをトレーニングして独自のオブジェクト検出/セグメント化モデルを作成できる必要があります。また、このモデルのパフォーマンスを改善し、評価できる必要があります。
このレッスンでは、さまざまな実装パッケージを活用してカスタムデータセットをトレーニングし、最適なInferenceモデルを作成する能力を紹介します。
自分で製作したTraining用データセットで Custom Model Training / Inference 実習
自分で制作したTraining用データセットによる実習 Annotation(アノテーション)ツールであるCVATを使用して、通常の画像にバウンディングボックスAnnotationを適用したTraining用のデータセットを直接作成し、このように作成したデータセットを利用してCustomモデル TrainingとInferenceを実習します。
練習環境🧰 講義で書かれた実践的なコードは、すべてGoogle Colab(Google Collab)環境ベースで書かれています。
Google Colab, Kaggle ロゴ GPUに基づいて練習を行い、ColabのFree GPU割り当てが十分でない場合は、Colab Proの使用もお勧めします。 (※Colab Proの場合、月10$程度の費用が発生します。)
Colab GPUの無料カーネルリソースが不足している場合は、Kaggleカーネルを使用してください。 Kaggle(キャッグ)用に作成された別の練習コードも提供しています。セクション 0 - [実践環境の設定] クラスを参照すると、より詳細な実習環境の詳細を聞くことができます。
Colab、KaggleなどのGPUカーネルを使用しない場合は、例に従うのが難しいかもしれません。予めご了承ください。 練習コードと講義教材 👨💻練習コード はhttps://github.com/chulminkw/DLCV_New からダウンロードできます。 練習コードを事前にレビューしてみると、練習を理解するための事前プログラミングレベルを確認するのに役立ちます。
320p分の講義PDF教材提供 講義で使用されている教材(320ページ分)は、 講義セクション0:講義教材 からダウンロードできます。
理論を学ぶために 練習より良い方法はありません。 ディープラーニング理論を完全に理解するまで待たないでください。理論を学ぶために、実習よりも良い方法はありません。
コーディングを始めると、私たちの脳は実体的な理解を得るために従うようになります。講義で提示する様々な実習例を私のように実装してみましょう。講義を聞きながら、キーボードを押しながら直接実装してみると、これまで浮かんだ雲のように感じられた部分がますます実体化されるでしょう。
専門家になるためにはたまには(私の考えはほぼほとんどのようですが)歩くのを学ぶ前に走らなければならない時もあります。この講義では、あなたの進路と能力をディープラーニングベースのコンピュータビジョン分野で育てるために最高のコンパニオンになります。
ありがとうございます。
―<アイアンマン1>でトニースタークがアイアンマンスーツテスト時にザビスに言った
「たまには歩きを離す前に走らなければならない時もある」 Inflearnが出会った人👨💻
クォンチョルミンのインタビューを読んでください。 見に行く