Thumbnail
BEST
인공지능 컴퓨터 비전

차량 번호판 인식 프로젝트와 TensorFlow로 배우는 딥러닝 영상인식 올인원 대시보드

(4.8)
61개의 수강평 ∙  548명의 수강생
141,900원

월 28,380원

5개월 할부 시
지식공유자: AISchool
총 126개 수업 (20시간 51분)
수강기한: 
무제한
수료증: 발급
난이도: 
입문
-
초급
-
중급이상
지식공유자 답변이 제공되는 강의입니다
폴더에 추가 공유

초급자를 위해 준비한
[인공지능] 강의입니다.

차량 번호판 인식 실전 프로젝트를 통해 딥러닝/TensorFlow/컴퓨터비전 기초부터 실무 응용까지 전 과정을 한번에 학습할 수 있는 올인원 형태의 강의입니다. 다양한 실습을 통해 Custom Dataset에 최신 딥러닝 모델을 응용할 수 있는 실무 능력을 기를 수 있습니다.

✍️
이런 걸
배워요!
MNIST,CIFAR-10 등의 기초 예제가 아닌 딥러닝 실무 프로젝트를 진행하는 법
Custom Dataset에 최신 딥러닝 모델을 적용하는 법
딥러닝/머신러닝 기초 개념부터 실무 응용까지 단계별 학습
최신논문에서 제안된 딥러닝 모델 구조에 대한 깊은 이해(EfficientNet, CenterNet, EAST, ...)
Object Detection, Text Detection, OCR, Image Captioning, Generative Model 등 다양한 컴퓨터 비전 문제영역에 사용되는 최신 딥러닝 모델들의 원리와 사용법
딥러닝 모델의 성능을 향상시키는 법

다양한 실전 프로젝트 최신논문 학습을 통해
딥러닝/컴퓨터비전 전문가로 거듭나보세요. 😀

수강 전 확인해주세요!

해당 커리큘럼 목록

<TensorFlow Object Detection API 가이드 Part1 - 코드 10줄 수정으로 물체 검출하기> 섹션 1

  • Object Detection 문제영역 소개
  • Object Detection Metric - IoU, mAP
  • Object Detection Datasets – Pascal VOC, MS COCO, KITTI, Open Images

<TensorFlow Object Detection API 가이드 Part1 - 코드 10줄 수정으로 물체 검출하기> 섹션 3

  • TensorFlow Object Detection API 소개

<TensorFlow Object Detection API 가이드 Part1 - 코드 10줄 수정으로 물체 검출하기> 섹션 4

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

<TensorFlow Object Detection API 가이드 Part1 - 코드 10줄 수정으로 물체 검출하기> 섹션 5

  • Pre-Trained Model을 이용한 Object Detection

<TensorFlow 2.0으로 배우는 딥러닝 입문섹션 1

  • 인공지능, 머신러닝, 딥러닝 & 지도 학습, 비지도 학습, 강화 학습
  • 딥러닝, 텐서플로 응용 분야
  • 간략히 살펴보는 딥러닝의 역사

<TensorFlow 2.0으로 배우는 딥러닝 입문섹션 3

  • 머신러닝의 기본 프로세스 - 가설 정의, 손실함수 정의, 최적화 정의
  • TensorFlow 2.0을 이용한 선형 회귀(Linear Regression) 알고리즘 구현
  • Batch Gradient Descent, Stochastic Gradient Descent, Mini-Batch Gradient Descent
  • Training Data, Validation Data, Test Data & 오버피팅(Overfitting)
  • 소프트맥스 회귀(Softmax Regression) & 크로스 엔트로피(Cross-Entropy Loss Function) & One-hot Encoding & MNIST
  • TensorFlow 2.0 케라스 서브클래싱(Keras Subclassing)
  • TensorFlow 2.0과 Softmax Regression을 이용한 MNIST 숫자분류기 구현

<TensorFlow 2.0으로 배우는 딥러닝 입문섹션 4

  • 다층 퍼셉트론 MLP
  • TensorFlow 2.0과 ANN을 이용한 MNIST 숫자분류기 구현

<TensorFlow 2.0으로 배우는 딥러닝 입문섹션 5

  • 오토인코더(AutoEncoder)의 개념
  • TensorFlow 2.0과 오토인코더를 이용한 MNIST 데이터 재구축

<TensorFlow 2.0으로 배우는 딥러닝 입문섹션 6

  • 컴퓨터 비전 문제의 어려움과 CNN 기반 컴퓨터비전 시대의 도래
  • 컨볼루션 신경망의 핵심개념 - 컨볼루션(Convolution), 풀링(Pooling)
  • TensorFlow 2.0을 이용한 MNIST 숫자분류를 위한 CNN 구현
  • 드롭아웃(Dropout)
  • TensorFlow 2.0을 이용한 CIFAR-10 이미지 분류를 위한 CNN 구현

<TensorFlow 2.0으로 배우는 딥러닝 입문섹션 7

  • 순환신경망(RNN)
  • 경사도 사라짐 문제(Vanishing Gradient Problem) & LSTM & GRU
  • 임베딩(Embedding)의 개념 & Char-RNN
  • TensorFlow 2.0을 이용한 Char-RNN 구현

<TensorFlow 2.0으로 배우는 딥러닝 입문섹션 8

  • tf.train.CheckpointManager API를 이용해서 파라미터 저장하고 불러오기
  • 텐서보드(TensorBoard)를 이용해서 학습과정 시각화(Visualization)하기

<TensorFlow 2.0으로 배우는 딥러닝 입문섹션 9

  • 다양한 컴퓨터비전 문제영역 소개
  • 다양한 자연어처리(NLP) 문제영역 소개

Naver(CRAFT)와 Kakao(EAST)에서 실제 사용하고 있는 최신 딥러닝 모델 사용법을 익혀보세요.

딥러닝 컴퓨터비전(Computer Vision) 전문가가 되기 위한 All-in-One 강의!

  • 딥러닝 컴퓨터비전 전문가가 되기 위해 학습해야 하는 모든 요소를 하나의 강의에 종합했습니다.
  • 최신 딥러닝 모델 이해를 위한 필수 이론 지식 : 머신러닝 및 딥러닝의 기초(ANN, CNN)부터 시작해 최신 딥러닝 모델의 원리(EfficientNet, CenterNet)까지 단계별로 필요한 필수 이론 및 지식을 학습합니다.
  • Python/TensorFlow 2.0을 이용한 코드 구현 능력 : 파이썬 및 텐서플로 2.0을 이용해 실제 프로젝트 진행을 위한 구현 능력을 단계별로 학습합니다.
  • Custom Dataset 적용을 위한 다양한 실전 프로젝트 : MNIST 같은 기초 예제가 아닌, 다양한 Custom Dataset에 최신 딥러닝 모델을 적용하기 위한 다양한 실전 프로젝트를 진행해 봅니다.

이런 분들께 추천드려요!

🎓
학습 대상은
누구일까요?
딥러닝/컴퓨터비전을 진지하게 공부하고 싶은 모든 분
딥러닝/컴퓨터비전을 이용한 실무 프로젝트를 진행하고 싶은 분
📚
선수 지식,
필요할까요?
기초적인 Python 지식

안녕하세요
AISchool 입니다.
AISchool의 썸네일
커리큘럼 총 126 개 ˙ 20시간 51분의 수업
이 강의는 영상, 수업 노트, 첨부 파일이 제공됩니다. 미리보기를 통해 콘텐츠를 확인해보세요.
섹션 0. 강의 소개
강의 소개 미리보기 11:50
강의 슬라이드 다운로드
실습 colab 링크 확인하는 법
섹션 1. 1강 - 머신러닝/딥러닝/텐서플로/컴퓨터비전 기초 - 딥러닝의 기본개념을 학습하고 기초모델들을 TensorFlow로 구현해보자
인공지능, 머신러닝, 딥러닝 02:02
머신러닝(Machine Learning)의 정의 03:01
지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning) 07:26
딥러닝(Deep Learning) 06:01
딥러닝, 텐서플로 응용분야 15:18
간략히 살펴보는 딥러닝의 역사 11:28
머신러닝의 기본 프로세스 - 가설 정의, 손실함수 정의, 최적화 정의 19:25
Batch Gradient Descent, Stochastic Gradient Descent, Mini-Batch Gradient Descent 05:10
Training Data, Validation Data, Test Data & 오버피팅(Overfitting) 06:29
소프트맥스 회귀(Softmax Regression) & 크로스 엔트로피(Cross-Entropy Loss Function) & One-hot Encoding & MNIST 07:38
다양한 컴퓨터비전 문제영역 소개 미리보기 15:06
TensorFlow 2.0 소개 12:24
파이썬(Python) 설치 03:11
pip를 이용한 TensorFlow 설치 01:29
TensorFlow 2.0을 이용한 선형 회귀(Linear Regression) 알고리즘 구현 18:53
TensorFlow 2.0 케라스 서브클래싱(Keras Subclassing) 04:50
TensorFlow 2.0과 Softmax Regression을 이용한 MNIST 숫자분류기 구현 28:33
다층 퍼셉트론 MLP 14:58
TensorFlow 2.0과 ANN을 이용한 MNIST 숫자분류기 구현 15:24
오토인코더(AutoEncoder)의 개념 08:35
TensorFlow 2.0과 오토인코더를 이용한 MNIST 데이터 재구축 14:06
섹션 2. 2강 - CNN을 이용한 이미지 특징 추출 방법 학습 - CNN의 개념과 표준 CNN 모델들을 살펴보자
컴퓨터 비전 문제의 어려움과 CNN 기반 컴퓨터비전 시대의 도래 08:48
컨볼루션 신경망의 핵심개념 - 컨볼루션(Convolution), 풀링(Pooling) 16:56
TensorFlow 2.0을 이용한 MNIST 숫자분류를 위한 CNN 구현 12:37
드롭아웃(Dropout) 05:06
TensorFlow 2.0을 이용한 CIFAR-10 이미지 분류를 위한 CNN 구현 16:17
ILSVRC 대회와 표준 CNN 모델들 미리보기 10:37
AlexNet 17:08
VGGNet 07:18
GoogLeNet(Inception V1) 16:34
섹션 3. 3강 - Pre-Trained CNN - 사전 학습된 CNN을 이용하는 방법을 살펴보자
tf.train.CheckpointManager API를 이용해서 파라미터 저장하고 불러오기 16:00
텐서보드(TensorBoard)를 이용해서 학습과정 시각화(Visualization)하기 18:03
ResNet 14:19
EfficientNet 09:10
Fine-Tuning(Transfer Learning)의 개념 미리보기 05:36
Google Colab 소개 06:45
초보자 스타일 구현(Beginners Style Implementation) - fit() 함수를 통한 트레이닝 11:16
Pre-Trained CNN 모델을 이용한 Image Classification - tf.kears.applications 모듈을 이용한 VGGNet을 이용한 Cats vs Dogs Dataset 분류 19:28
Keras Callbacks 사용법 08:42
섹션 4. 4강 - RNN을 이용한 시계열 특징 추출 방법 학습 - 이미지 데이터를 넘어 시계열 데이터를 다뤄보자
순환신경망(RNN) 05:22
경사도 사라짐 문제(Vanishing Gradient Problem) & LSTM & GRU 12:17
임베딩(Embedding)의 개념 & Char-RNN 10:28
TensorFlow 2.0을 이용한 Char-RNN 구현 23:29
Gradient Clipping 05:04
Bidirectional RNN 03:33
RNN의 다양한 구성형태 - one to one, one to many, many to one, many to many 05:42
IMDB Movie Review 데이터셋에 대한 RNN을 이용한 Sentiment Classification 13:44
섹션 5. 딥러닝 논문 구현 프로젝트의 파일 구조
일반적인 딥러닝 논문 구현 프로젝트의 파일 구조 02:27
섹션 6. 5강 - Text Detection - 이미지 내의 텍스트의 위치를 찾아보자 & 이미지내 차량 번호판을 찾는 실전 프로젝트를 진행해보자
Text Detection 문제영역 소개 00:57
EAST(Efficient and Accuracy Scene Text detector) 20:58
CRAFT(Character Region Awareness For Text detection) 04:43
실전 프로젝트 진행방법 소개 미리보기 06:23
실습 진행방식 소개 12:35
실습 환경구성 안내 04:18
Custom Dataset 실전 프로젝트 실습 1 - CRAFT를 이용한 License Plate Detection 모델(Custom Dataset) 학습 11:09
Custom Dataset 실전 프로젝트 실습 2 - EAST를 이용한 License Plate Detection 모델(Custom Dataset) 학습 20:40
섹션 7. 장시간 Training이 필요한 Colab 실습 진행시 유의사항
장시간 Training이 필요한 Colab 실습 진행시 유의사항 12:17
섹션 8. 실전 프로젝트 진행을 위한 Python 기초지식 습득
Python 기본 자료구조 - List, Dictionary, Tuple 04:38
Python에서의 함수(Function) 정의 & 클래스(Class) 정의 01:14
Python 라이브러리에 대한 빠른 리뷰 - Numpy, Pandas, Matplotlib, scikit-learn 02:13
섹션 9. 6강 - Optical Character Recognition(OCR) [Text Recognition] - 이미지 내의 글자를 인식하고 차량 번호판 인식 실전 프로젝트를 진행해보자
Custom Dataset 실전 프로젝트 실습 1 - CRAFT를 이용한 License Plate Detection 모델(Custom Dataset) 학습 Solution 22:08
Custom Dataset 실전 프로젝트 실습 2 - EAST를 이용한 License Plate Detection 모델(Custom Dataset) 학습 Solution 08:20
OCR(Text Recognition) 문제영역 소개 미리보기 02:35
Attention OCR 16:29
CRNN(Convolutional Recurrent Neural Networks) 08:29
OCR 데이터셋 소개 02:08
Custom Dataset 실전 프로젝트 실습 1 - CRNN를 이용한 License Plate OCR 모델(Custom Dataset) 학습 10:58
섹션 10. 7강 - License Plate Recognition - 차량 번호판 인식 실전 프로젝트를 진행하고 딥러닝 모델 성능 개선 방법을 살펴보자
Custom Dataset 실전 프로젝트 실습 1 - CRNN를 이용한 License Plate OCR 모델(Custom Dataset) 학습 Solution 13:38
딥러닝 모델의 성능 평가 - 정량적 평가(Quantitative Result) & 정성적 평가(Qualitative Result) 10:13
Custom Dataset 실전 프로젝트 실습 1 - CRAFT와 CRNN을 이용한 차량 번호판 인식 모델(Custom Dataset) 구현 Solution 10:23
딥러닝을 이용한 실무 프로젝트 진행 방법 & 딥러닝 모델의 성능을 개선하는 법 09:13
섹션 11. 8강 - Object Detection - Object Detection의 개념을 단단히 잡고 최신 딥러닝 Object Detection 모델들의 원리를 살펴보자
Object Detection 문제영역 소개 미리보기 05:08
Object Detection Metric - IoU, mAP 12:51
Object Detection Datasets – Pascal VOC, MS COCO, KITTI, Open Images 06:30
R-CNN(Regions with CNN) 18:35
Fast R-CNN 12:51
Faster R-CNN 13:10
YOLO v1 13:19
Non-Maximum Suppression (NMS) 08:35
SSD(Single Shot MultiBox Detector) 22:24
RetinaNet 17:10
CenterNet 15:32
섹션 12. 9강 - Object Detection 실전 프로젝트 - Custom Dataset에 최신 딥러닝 모델을 이용한 Object Detection을 수행해보자
TFRecord의 개념 및 TFRecord 학습의 필요성 05:06
TensorFlow 2.0을 이용한 TFRecord 파일 읽고(Read) 쓰기(Write) 08:23
Custom Dataset 실습 1 - Custom Dataset을 TFRecord로 쓰고(Write) 읽어보기(Read) 실습 04:34
Custom Dataset 실습 1 - Custom Dataset을 TFRecord로 쓰고(Write) 읽어보기(Read) 실습 Solution 06:03
TensorFlow Object Detection API 소개 10:28
TensorFlow Object Detection API를 이용한 Object Detection 2가지 방법론 - Pre-Trained 모델 사용 & Custom Dataset 학습 05:56
Pre-Trained Model을 이용한 Object Detection - 학습과정 없이 Object Detection Inference하기 06:04
실전 프로젝트 실습 1 - Faster R-CNN을 이용한 Person Detection 29:40
TensorFlow Object Detection API를 이용한 Custom Dataset 트레이닝 과정 소개 07:51
Oxford Pet-IIIT 데이터셋 트레이닝 과정에 필요한 요소 리뷰(pbtxt, config) & Oxford Pet-IIIT 데이터셋 TFRecord 변환 코드리뷰 11:08
Faster R-CNN을 이용한 Oxford Pet-IIIT 데이터셋 학습 코드리뷰 - Training 15:56
Faster R-CNN을 이용한 Oxford Pet-IIIT 데이터셋 학습 코드리뷰 - Evaluate 17:53
Faster R-CNN을 이용한 Oxford Pet-IIIT 데이터셋 학습 코드리뷰 - Inference 07:50
Custom Dataset 실전 프로젝트 실습 1 - CenterNet을 이용한 License Plate Detection 모델(Custom Dataset) 학습 실습 06:42
Custom Dataset 실전 프로젝트 실습 1 - CenterNet을 이용한 License Plate Detection 모델(Custom Dataset) 학습 실습 Solution - TFRecord 변환 02:44
Custom Dataset 실전 프로젝트 실습 1 - CenterNet을 이용한 License Plate Detection 모델(Custom Dataset) 학습 Solution - Training 09:33
Custom Dataset 실전 프로젝트 실습 1 - CenterNet을 이용한 License Plate Detection 모델(Custom Dataset) 학습 실습 Solution - Evaluate 09:41
Custom Dataset 실전 프로젝트 실습 1 - CenterNet을 이용한 License Plate Detection 모델(Custom Dataset) 학습 실습 Solution - Inference colab 파일링크
Custom Dataset 실전 프로젝트 실습 1 - CenterNet을 이용한 License Plate Detection 모델(Custom Dataset) 학습 실습 Solution - Inference 미리보기 11:40
섹션 13. Image Captioning - 이미지에 대한 설명문장을 AI로 자동으로 생성해보자
Image Captioning 문제영역 소개 00:48
Image Captioning 데이터셋 소개 - MS-COCO, Flickr 8K,30K 01:14
Show and Tell & Beam Search 05:18
Show Attend and Tell & Teacher Forcing 05:11
TensorFlow2.0을 이용한 Show Attend and Tell 구현 - train_and_evaluate.py 19:19
TensorFlow2.0을 이용한 Show Attend and Tell 구현 - utils.py 01:50
TensorFlow2.0을 이용한 Show Attend and Tell 구현 - model.py 05:38
TensorFlow2.0을 이용한 Show Attend and Tell 구현 - data_utils.py 03:41
섹션 14. Generative Adversarial Networks(GAN) - AI를 이용해서 Fake Data를 생성해보자
생성 모델(Generative Model)의 개념 02:14
잠재 변수(Latent Variable)의 개념 05:20
GAN(Generative Adversarial Networks)의 개념 13:55
TensorFlow 2.0을 이용한 MNIST 데이터에 대한 GAN 구현 18:50
섹션 15. Neural Style Transfer - 사진에 회화 이미지를 덧씌워보자
Neural Style Transfer 문제영역 소개 미리보기 02:19
Neural Style Transfer 구조 (A neural algorithm of artistic style 논문) 17:27
TensorFlow 2.0을 이용한 Neural Style Transfer 알고리즘 구현 23:14
Neural Style Transfer 알고리즘 실행 02:39
섹션 16. Semantic Image Segmentation - 이미지를 픽셀 단위로 분류해보자
Semantic Image Segmentation 문제영역 소개 02:56
섹션 17. Human Pose Estimation - 사람의 자세를 예측해보자
CenterNet을 이용한 Human Pose Estimation 소개 03:18
Pre-Trained CenterNet을 이용한 Human Pose Estimation 15:30
섹션 18. 딥러닝 실무 프로젝트 진행방법 정리 & Papers With Code 활용법 & 컴퓨터비전 외 딥러닝 응용분야 소개
다양한 자연어처리(NLP) 문제영역 소개 10:38
Papers With Code 활용법 03:47
더 공부할 것들 10:07
강의 게시일 : 2021년 05월 26일 (마지막 업데이트일 : 2023년 11월 15일)
수강평 총 61개
수강생분들이 직접 작성하신 수강평입니다.
4.8
61개의 수강평
5점
4점
3점
2점
1점
VIEW 추천 순 최신 순 높은 평점 순 낮은 평점 순 평점 순 높은 평점 순 낮은 평점 순
slhyj95 thumbnail
5
대학원에서 Machine learning 전공 예정인데, 부족한 부분을 이해하고, 연습하는데 많은 도움이 되었습니다.
2022-05-01
지식공유자 AISchool
안녕하세요. 귀중한 시간을 할애해서 수강해주셔서 감사합니다~!. 더 만족스러운 강의를 제작할 수 있도록 노력하겠습니다. 좋은 하루되세요!
2022-05-09
김준표 thumbnail
5
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.
2022-06-28
지식공유자 AISchool
안녕하세요. 귀중한 시간을 할애해서 수강해주셔서 감사합니다~!. 더 만족스러운 강의를 제작할 수 있도록 노력하겠습니다. 좋은 하루되세요!
2022-07-03
dreamer thumbnail
5
유익한 좋은 강의 감사드립니다.
2022-05-03
지식공유자 AISchool
안녕하세요. 귀중한 시간을 할애해서 수강해주셔서 감사합니다~!. 더 만족스러운 강의를 제작할 수 있도록 노력하겠습니다. 좋은 하루되세요!
2022-05-09
김한주 thumbnail
5
다른 강의와 다르게 기본 개념, Toy 프로젝트에서 그치는 것이 아니라 산업에서 사용되는 수준을 다루고 있어서 좋았습니다.
2021-06-25
지식공유자 AISchool
안녕하세요. 귀중한 시간을 할애해서 수강해주셔서 감사합니다~!. 상세한 수강평도 감사합니다~. 더 만족스러운 강의를 제작할 수 있도록 노력하겠습니다. 좋은 하루되세요!
2021-06-25
kream thumbnail
5
프로젝트 진행하면서 정말 많은 도움을 받은 강의였습니다. 기초적인 부분도 알려주시고, 코드도 어떻게 진행되는지 잘 알려주셔서 도움이 많이 되었습니다.
2022-05-14
지식공유자 AISchool
안녕하세요. 귀중한 시간을 할애해서 수강해주셔서 감사합니다~!. 더 만족스러운 강의를 제작할 수 있도록 노력하겠습니다. 좋은 하루되세요!
2022-05-20
연관 로드맵
이 강의가 포함된 잘 짜여진 로드맵을 따라 학습해 보세요!