실전! 프로젝트로 배우는 딥러닝 컴퓨터비전 > 나라별 에세이

본문 바로가기
쇼핑몰 검색
  • 회원가입
    2000

    로그인

    다양한 서비스와 이벤트 혜택을 누리실 수 있습니다.

    아이디 비밀번호
실전! 프로젝트로 배우는 딥러닝 컴퓨터비전 > 나라별 에세이

실전! 프로젝트로 배우는 딥러닝 컴퓨터비전 요약정보 및 구매

기본설명

상품 선택옵션 0 개, 추가옵션 0 개

제조사 위키북스
원산지 국내산
브랜드 위키북스
시중가격 35,000원
판매가격 35,000원
배송비결제 주문시 결제
최소구매수량 1 개
최대구매수량 999 개

선택된 옵션

  • 실전! 프로젝트로 배우는 딥러닝 컴퓨터비전
    +0원
위시리스트

관련상품

등록된 상품이 없습니다.

  • 상품정보
  • 사용후기 0
  • 상품문의 0
  • 배송정보
  • 교환정보
  • 상품정보

    상품 기본설명

    기본설명

    상품 상세설명

    실전! 프로젝트로 배우는 딥러닝 컴퓨터비전

    9791158394790.jpg

    도서명:실전! 프로젝트로 배우는 딥러닝 컴퓨터비전
    저자/출판사:김혜진 , 왕진영/위키북스
    쪽수:508쪽
    출판일:2024-01-12
    ISBN:9791158394790

    목차
    [PART 0] 프롤로그

    0.1 딥러닝 영상분석이란?
    0.2 인공지능 카메라로 무엇을 할 수 있을까?
    0.3 이 책의 실습 준비
    ___구글 코랩에서 실습 준비
    ___윈도우 프로젝트 환경 시작하기

    [PART 1] 딥러닝 영상분석을 배워보자

    ▣ 1장: 딥러닝 영상분석 소개
    1.1 대표적인 딥러닝 영상분석 기법 3가지
    ___이미지 분류
    ___이미지 객체 인식
    ___이미지 분할
    1.2 영상분석을 위한 딥러닝 이해하기
    ___인공지능 역사 속의 딥러닝
    ___심층 신경망의 이해
    1.3 딥러닝 모델의 기본 구조
    ___딥러닝 훈련 과정과 추론
    ___손실 함수와 가중치의 최적화
    ___경사 하강법과 역전파
    ___소프트맥스 함수
    1.4 ANN MNIST 파이토치 예제

    ▣ 2장: 딥러닝 영상분석의 시작, CNN
    2.1 왜 딥러닝 영상분석에서 CNN이 중요한가?
    ___영상분석에서 입력 데이터의 특징
    ___FC 레이어와 Conv 레이어
    2.2 CNN 이해하기
    ___활성화 맵과 특징 맵의 차이
    ___Conv와 Pooling 레이어의 역할
    2.3 딥러닝 학습 과정 준비
    ___데이터세트 준비
    ___활성화 함수
    ___LeNet: CNN MNIST 파이토치 예제

    ▣ 3장: 딥러닝 영상분석을 위한 학습 과정
    3.1 가중치의 최적화 솔버들
    ___SGD + 모멘텀
    ___Adagrad
    ___RMSProp
    ___Adam
    3.2 딥러닝 결과를 향상시키는 방법
    ___배치 정규화
    ___데이터 증강과 전이학습
    3.3 인기 있는 CNN 네트워크 구조
    ___AlexNet: 최초의 CNN 기반 이미지 분류 대회 우승
    ___VGGNet: 단순하면서 성능이 좋은 네트워크
    ___GoogLeNet: 구글이 만들고 모두가 사용하는 네트워크
    ___ResNet: 가장 깊고 성능이 좋은 네트워크
    3.4 ResNet 파이토치 예제
    ___파이토치 분류 모델 훈련
    ___파이토치 분류 모델 추론

    ▣ 4장: 이미지 분할과 객체 인식
    4.1 이미지 분할
    ___이미지 분할 개념
    ___모델의 평가지표
    ___FCN 이미지 분할
    4.2 이미지 객체 인식
    ___이미지 객체 인식의 기본 개념
    ___Faster R-CNN
    4.3 YOLO: 최초의 실시간 객체 인식 네트워크
    ___YOLO: You Only Look Once
    ___YOLOv2: 더 좋은, 더 빠른, 더 강력한
    ___YOLOv3: 점진적 개선
    4.4 SSD: Faster R-CNN과 YOLO의 장점을 취합
    ___SSD: Single Shot Multi Box Detector
    4.5 그 밖의 네트워크
    ___Mask R-CNN: 이미지 객체 분할
    ___MobileNet v2: 작지만 강력한 객체 인식
    ___YOLOv4: 새로운 YOLO
    ___YOLOv4-tiny: 소형 장치용 tiny 버전
    4.6 YOLOv4 실습
    ___실습 준비
    ___학습
    ___심층 신경망 학습
    ___코랩에서 이미지 추론 테스트

    [PART 2] 딥러닝을 활용한 영상분석 프로젝트

    ▣ 5장: 이미지 분류를 활용한 재활용품 분류
    5.1 재활용품 분리수거 프로젝트 개요
    5.2 데이터세트 클래스
    ___파이토치 커스텀 데이터세트 클래스
    ___이미지 분류를 위한 데이터세트 클래스
    5.3 심층 신경망 구현
    ___모듈 임포트
    ___MODEL의 핵심 구조
    _____init__ 메서드 구현
    ___forward 메서드 구현
    5.4 전이학습 심층 신경망 구현
    5.5 심층 신경망 학습 클래스
    ___클래스의 구조
    _____init__ 메서드 구현
    ___prepare_network 메서드 구현
    ___training_network 메서드 구현
    5.6 코랩에서 심층 신경망으로 학습
    ___파이썬 클래스와 데이터세트 다운로드
    ___학습
    ___모델 다운로드
    5.7 코랩에서 이미지 추론 테스트
    5.8 윈도우 환경에서 추론 실습
    ___재활용품 분류 추론 코드
    ___재활용품 분류 추론 실행
    5.9 요약

    ▣ 6장: SSD 사물인지 CCTV
    6.1 프로젝트 목표와 사용자 시나리오
    6.2 실습 준비
    ___구글 드라이브 구성 및 소스 코드 다운로드
    ___오픈 이미지 데이터세트 다운로드
    ___데이터세트 클래스(OpenImagesDataset)
    6.3 네트워크 학습
    ___SSD MobileNet v1 심층 신경망
    ___SSD MobileNet v1 학습 클래스
    ___SSD MobileNet v1 학습하기
    ___코랩에서 추론 테스트
    6.4 윈도우 환경에서 프로젝트 추론 실습
    ___SSD 사물 인지 CCTV 추론(동영상 및 카메라 영상 추론) 코드 설명
    ___SSD 사물 인지 CCTV 추론 응용(객체 감지 로깅) 코드 설명
    ___SSD 사물 인지 CCTV 추론 실행
    6.5 요약

    ▣ 7장: YOLO를 활용한 횡단보도 보행자 보호 시스템
    7.1 프로젝트 목표와 사용자 시나리오
    7.2 YOLOv5 실습 준비
    ___데이터세트 준비
    ___YOLOv5 훈련
    7.3 윈도우에서 YOLOv5 추론 실습
    ___윈도우에서 YOLOv5 추론 준비
    ___YOLOv5 추론 테스트
    7.4 YOLOv7 실습 준비
    ___YOLOv7 설명
    ___데이터세트 준비
    ___YOLOv7 훈련
    7.5 윈도우에서 YOLOv7 추론 실습
    ___윈도우에서 YOLOv7 추론 준비
    ___YOLOv7 추론 테스트
    7.6 요약

    [PART 3] 젯슨 나노와 젯봇 활용

    ▣ 8장: 젯슨 나노 추론 프로젝트
    8.1 젯슨 나노 시작하기
    ___젯슨 나노 명세
    ___젯슨 나노 부팅하기
    ___기본 깃허브 소스 확인
    ___젯슨 나노의 카메라 테스트
    ___젯슨 나노 딥러닝 기본 세팅 확인
    ___AI 가속화 엔진
    8.2 젯슨 나노에서 재활용품 분류 추론
    ___재활용품 분류 추론 준비
    ___재활용품 분류 추론 실행
    8.3 SSD 사물 인지 CCTV 젯슨 나노 추론
    ___정지 사진의 SSD 추론 테스트
    ___동영상 및 카메라 영상 추론 코드
    ___SSD 사물 인지 CCTV 추론 응용(객체 감지 로깅) 코드 설명
    ___SSD 사물 인지 CCTV 추론 실행
    ___SSD 사물 인지 CCTV 추론 응용(객체 감지 로깅) 실행
    8.4 YOLOv4 현장 촬영 블랙박스 젯슨 나노 추론
    ___추론 준비
    ___다크넷 블랙박스 추론 코드
    8.5 YOLOv5 횡단보도 보행자 보호 시스템 젯슨 나노 추론
    ___젯슨 나노에서 추론 준비
    ___TensorRT 최적화
    ___TensorRT를 활용한 추론
    8.6 요약

    ▣ 9장: 세 가지 AI 모바일 로봇 프로젝트
    9.1 AI 모바일 로봇 프로젝트 준비
    ___AI 모바일 로봇 준비
    ___AI 모바일 로봇 기본 환경
    ___AI 모바일 로봇 기본 테스트
    ___전원 모드 설정
    9.2 충돌 회피를 위한 자동 긴급 제동
    ___충돌 회피를 위한 상황 데이터 수집
    ___AlexNet 네트워크로 훈련
    ___충돌 회피를 위한 자동 긴급 제동 코드
    ___AI-모바일 로봇 자동 긴급 제동 테스트
    9.3 팔로잉봇
    ___추론 가속화 엔진 라이브러리
    ___추론 가속화 사물 인식 모델 예제 코드
    ___팔로잉봇 테스트 코드
    ___미리 훈련된 모델로 팔로잉봇 테스트
    ___CCTV용 SSD 모델로 팔로잉봇 테스트
    9.4 차선 인지 자율주행
    ___차선 데이터 수집(간이 테스트)
    ___ResNet-18 네트워크로 회귀 모델 훈련
    ___차선 인식 자율주행 테스트 (간이 테스트)
    ___차선 인식 자율주행 테스트 실행
    ___차선 데이터 수집과 훈련 (트랙 테스트)
    ___차선 인식 자율주행 테스트(트랙 테스트)
    9.5 요약
    delivery.jpg
  • 사용후기

    등록된 사용후기

    사용후기가 없습니다.

  • 상품문의

    등록된 상품문의

    상품문의가 없습니다.

  • 배송정보

    배송정보

    배송업체 : 한진택배 (1588-0011)
     배송비
     2,500원 (25,000원 이상 구매 시 무료 배송/일부상품제외) 군부대 및 도서산간 지역은 추가 배송비가 발생할 수 있습니다.
     ◆배송기간
     : 평일 오전 7시 이전 주문 시 당일 발송 (2~3일 소요) : 단, 공휴일, 연휴, 천재지변 등으로 인해 발송이 지연될 수 있습니다.
     ◆배송추적
     : 당일 발송건에 한해 익일 오전 9시 이후 확인 가능합니다.


  • 교환정보

    교환/반품

     ◆반품/교환을 원하는 경우 반드시 고객센터로 연락 후 신청하시기 바랍니다.
     ◆반품/교환은 상품 수령일로 부터 7일 이내에만 가능합니다. 단, 상품이 훼손되지 않았거나, 속 비닐이 있는 경우 듣지 않았을    때 가능합니다.
     •고객님의 변심 또는 잘못 주문하신 경우에는 왕복 배송비는 고객님의 부담입니다.
     ◆오배송, 파본, 불량 상품에 대해서는 고객센터로 연락주시면 상담 후 교환해 드립니다.
     ◆오배송, 파본, 불량상품의 배송비는 환불처에서 부담합니다.
     교환/반품
     ◆환불은 상품이 환불에 도착 시 처리됩니다. (카드 취소는 3~5일이 소요될 수 있습니다.)

장바구니

오늘본상품

오늘 본 상품

  • 실전! 프로젝트로 배우는 딥러닝 컴퓨터비전
    실전! 프로젝트로 35,000

위시리스트

  • 보관 내역이 없습니다.
회사명 경기책방 주소 경기도 파주시 조리읍 장미꽃길 157-161
사업자 등록번호 6829601269 대표 오주봉 전화 02-356-5779 팩스 02-356-5779
통신판매업신고번호 제2021-경기파주-1335호 개인정보 보호책임자 오주봉

Copyright © 2001-2013 경기책방. All Rights Reserved.