- 다양한 Object Detection/Segmentation 모델에 대한 장단점을 실습예제를 통해 직접 체득할수 있어요
- Pascal VOC, MS-COCO등 주요 데이터 세트를 다루고 TFRecord를 변환할수 있어요
- CVAT Tool을 이용하여 데이터 세트에 Annotation을 적용하여 직접 학습데이터를 만들수 있어요
- 다양한 구현 패키지를 활용하여 실무에 Object Detection/Segmentation을 직접 적용할수 있어요
- 딥러닝 기반의 Object Detection과 Segmentation의 이해
- RCNN 계열, SSD, YOLO, RetinaNet, EfficientDet, Mask RCNN에 대한 깊이 있는 이론 학습
- MMDetectionUltralytics Yolo AutoML EfficientDet등 Object Detection과 Segmentation의 대표적인 구현 패키지들 활용법 익히기
- OpenCV와 Tensorflow Hub를 이용하여 이미지/영상 Object Detection/Segmentation 수행하기
- 파이썬을 자유럽게 사용할수 있어야 합니다
- 미적분 등의 기초적인 수학 지식을 이해하고 있어야 합니다
- 파이썬 프로그램을 이해 못하시는 분
- 공유와 토론을 어려워하거나 안 좋아하시는 분
섹션 2. Object Detection과 Segmentation을 위한 주요 데이터 세트 및 OpenCV 소개
RCNN 계열 Object Detecter
MMDetection의 이해와 Faster RCNN 적용 실습
섹션 5. MMDetection의 이해와 Faster RCNN 적용 실습 - 02
SSD(Single Shot Detector)
섹션 7. SSD 실습
YOLO(You Only Look Once)
섹션 9. Ultralytics Yolo 실습 - 01
섹션 10. Ultralytics Yolo 실습 - 02
RetinaNet 과 EfficientDet
섹션 12. AutoML EfficientDet 실습 - 01
섹션 13. AutoML EfficientDet 실습 - 02
Segmentation - Mask RCNN
섹션 15. Mask RCNN - 실습 01
섹션 16. Mask RCNN - 실습 02
강유선
#컴퓨터비전#딥린이#INFP
자기 소개 및 개설 동기
Object Detection과 Segmentation을 공부하고 싶었는데 인프런의 딥러닝 컴퓨터 비전 완벽 가이드라는 강의를 소개 받았습니다.
혼자서 공부하는것 보다 풀입 스쿨에서 만난 분들과 11주간 좋은 인사이트를 공유하며, Object Detection과 Segmentation을 실무에 적용하는 기회가 되었으면 좋겠어요.
소속
CS231n Assignments3 완전정복 퍼실
풀잎스쿨 / LAB 참여 이력
LAB Advanced Computer vision LAB 참여
LAB Autonomous Driving LAB 2 참여
풀잎26기 파이썬 머신러닝 완벽 가이드 퍼실
풀잎24기 Object Detection and Segmentation DIY 퍼실
풀잎21기 cs231n Assignment3 완전정복 퍼실
풀잎19기 CS231n Assignments로 따라잡기 퍼실
풀잎18기 cs231n으로 시작하는 딥러닝 퍼실
풀잎36기 fastai와 파이토치가 만나 꽃피운 딥러닝 & Practical Deep Learning for Coders 참여
풀잎30기 Medical AI Research 기초과정 참여
풀잎26기 도전! 수퍼모델 딥러닝 참여
풀잎21기 Mathematics for Machine Learning S2 참여
풀잎19기 거꾸로 보는 self-supervised learning 파트1 참여
풀잎18기 CS182로 딥러닝 Deep하게 찍먹하기 참여
풀잎17기 CS231n으로 시작하는 딥러닝 참여
풀잎스쿨은 학원식 강의가 아닌, 플립러닝(flipped learning) 방식으로 참여자들이 함께 만들어 나가는 스터디 모임이에요. 따라서 출석과 사전 학습을 성실히 수행하고, 공부한 것을 함께 나눌 의지가 있으시다면 그 어디보다 많은 것을 얻어가실 수 있답니다!
Q. '퍼실이'는 누구인가요?
퍼실이는 함께 공부하는 스터디 리더예요. 강사가 아니어서 강의를 하지는 않지만, 커리큘럼을 기획하고 모임을 진행한답니다. 선의와 공유의 마음으로 기꺼이 지원해 모임을 이끌어 주시는 만큼, 퍼실이와 함께 따뜻한 모임을 함께 만들어 주세요. :)
부득이하게 모임 참석이 어렵거나 모임에 늦는 경우처럼, 원활한 참여가 어려운 경우에는 퍼실이가 미리 인지하고 준비하실 수 있도록 반드시 알려주세요!
Q. 사회적 거리두기 단계에 따라 안전하게 진행되나요?
모두의연구소는 사회적 거리두기 단계별 방역 조치를 지켜, 모든 연구원들이 안전한 환경에서 편안히 활동하실 수 있도록 노력하고 있습니다.
오프라인 모임 또한 사회적 거리두기 단계별 방역 조치에 따라 온라인으로 진행될 수 있습니다. 다만, 방역 조치상 오프라인 모임이 가능한 경우 오프라인 진행을 원칙으로 합니다. 추가적으로, 모임의 질을 위해 온•오프라인 병행은 '지양'하고 있습니다.
풀잎스쿨에는 온라인으로 진행되는 다양한 과정이 있답니다. 시간적•거리적 제약으로 오프라인 참여가 어려우신 분들은 온라인 과정을 주목해 주세요! :)
Q. 온라인 모임에 참여할 때 캠과 마이크를 반드시 켜야 하나요?
네. 모두의연구소는 연구원 분들이 최적의 환경에서 학습과 연구에 몰입하실 수 있는 환경 조성을 최우선으로 하고 있습니다. 따라서, 온라인 모임 시에는 토론과 질문이 빈번한 학습 환경에서의 몰입과 매끄러운 진행을 위해, 반드시 캠과 마이크를 켜서 대화에 참여하도록 안내하고 있습니다.
캠과 마이크를 켤 수 없는 경우에는 아쉽지만 참여를 제한하고 있으니, 반드시 캠과 마이크 기능이 포함된 도구를 준비해 주세요. 원활한 의사소통을 위해 자택 등의 조용한 공간에서 참여해 주시면 감사드리겠습니다.
환불 신청은 홈페이지 상단의 “문의글 작성” 에서 가능합니다.
모임시작
2022년 10월 17일
모임일시
매주 월요일 19:30 ~ 21:30
모임장소
온라인캠퍼스
모집기간
2022년 09월 30일 ~ 10월 10일
모집인원
12명
모집방법
신청 후 선발
165,000원 / 총 11회 24시간
(7,500원 / 시간)
📢 브라우저 창이나 탭을 동시에 한 개 이상 열어서 모임을 신청하는 경우 결제 오류가 발생할 수 있으니 하나씩 신청 부탁드려요!
모집 마감된 모임의 경우 '공석 알림 신청'을 해주시면, 추후 취소하는 참여자가 있는 경우에 이메일로 알림을 보내드립니다.
"모임이 더 궁금하다면 모두의연구소 커뮤니티 채널 #04_풀잎스쿨 에서 퍼실이에게 직접 질문할 수 있어요!"
모임시작
2022년 10월 17일
모임일시
매주 월요일 19:30 ~ 21:30
모임장소
온라인캠퍼스
모집기간
2022년 09월 30일 ~ 10월 10일
모집인원
12명
모집방법
신청 후 선발
165,000원 / 총 11회 24시간
(7,500원 / 시간)
📢 브라우저 창이나 탭을 동시에 한 개 이상 열어서 모임을 신청하는 경우 결제 오류가 발생할 수 있으니 하나씩 신청 부탁드려요!
모집 마감된 모임의 경우 '공석 알림 신청'을 해주시면, 추후 취소하는 참여자가 있는 경우에 이메일로 알림을 보내드립니다.
"모임이 더 궁금하다면 모두의연구소 커뮤니티 채널 #04_풀잎스쿨 에서 퍼실이에게 직접 질문할 수 있어요!"
- 다양한 Object Detection/Segmentation 모델에 대한 장단점을 실습예제를 통해 직접 체득할수 있어요
- Pascal VOC, MS-COCO등 주요 데이터 세트를 다루고 TFRecord를 변환할수 있어요
- CVAT Tool을 이용하여 데이터 세트에 Annotation을 적용하여 직접 학습데이터를 만들수 있어요
- 다양한 구현 패키지를 활용하여 실무에 Object Detection/Segmentation을 직접 적용할수 있어요
- 딥러닝 기반의 Object Detection과 Segmentation의 이해
- RCNN 계열, SSD, YOLO, RetinaNet, EfficientDet, Mask RCNN에 대한 깊이 있는 이론 학습
- MMDetectionUltralytics Yolo AutoML EfficientDet등 Object Detection과 Segmentation의 대표적인 구현 패키지들 활용법 익히기
- OpenCV와 Tensorflow Hub를 이용하여 이미지/영상 Object Detection/Segmentation 수행하기
- 파이썬을 자유럽게 사용할수 있어야 합니다
- 미적분 등의 기초적인 수학 지식을 이해하고 있어야 합니다
- 파이썬 프로그램을 이해 못하시는 분
- 공유와 토론을 어려워하거나 안 좋아하시는 분
섹션 2. Object Detection과 Segmentation을 위한 주요 데이터 세트 및 OpenCV 소개
RCNN 계열 Object Detecter
MMDetection의 이해와 Faster RCNN 적용 실습
섹션 5. MMDetection의 이해와 Faster RCNN 적용 실습 - 02
SSD(Single Shot Detector)
섹션 7. SSD 실습
YOLO(You Only Look Once)
섹션 9. Ultralytics Yolo 실습 - 01
섹션 10. Ultralytics Yolo 실습 - 02
RetinaNet 과 EfficientDet
섹션 12. AutoML EfficientDet 실습 - 01
섹션 13. AutoML EfficientDet 실습 - 02
Segmentation - Mask RCNN
섹션 15. Mask RCNN - 실습 01
섹션 16. Mask RCNN - 실습 02
혼자서 공부하는것 보다 풀입 스쿨에서 만난 분들과 11주간 좋은 인사이트를 공유하며, Object Detection과 Segmentation을 실무에 적용하는 기회가 되었으면 좋겠어요.
LAB Advanced Computer vision LAB 참여
LAB Autonomous Driving LAB 2 참여
풀잎26기 파이썬 머신러닝 완벽 가이드 퍼실
풀잎24기 Object Detection and Segmentation DIY 퍼실
풀잎21기 cs231n Assignment3 완전정복 퍼실
풀잎19기 CS231n Assignments로 따라잡기 퍼실
풀잎18기 cs231n으로 시작하는 딥러닝 퍼실
풀잎36기 fastai와 파이토치가 만나 꽃피운 딥러닝 & Practical Deep Learning for Coders 참여
풀잎30기 Medical AI Research 기초과정 참여
풀잎26기 도전! 수퍼모델 딥러닝 참여
풀잎21기 Mathematics for Machine Learning S2 참여
풀잎19기 거꾸로 보는 self-supervised learning 파트1 참여
풀잎18기 CS182로 딥러닝 Deep하게 찍먹하기 참여
풀잎17기 CS231n으로 시작하는 딥러닝 참여
풀잎스쿨은 학원식 강의가 아닌, 플립러닝(flipped learning) 방식으로 참여자들이 함께 만들어 나가는 스터디 모임이에요. 따라서 출석과 사전 학습을 성실히 수행하고, 공부한 것을 함께 나눌 의지가 있으시다면 그 어디보다 많은 것을 얻어가실 수 있답니다!
Q. '퍼실이'는 누구인가요?
퍼실이는 함께 공부하는 스터디 리더예요. 강사가 아니어서 강의를 하지는 않지만, 커리큘럼을 기획하고 모임을 진행한답니다. 선의와 공유의 마음으로 기꺼이 지원해 모임을 이끌어 주시는 만큼, 퍼실이와 함께 따뜻한 모임을 함께 만들어 주세요. :)
부득이하게 모임 참석이 어렵거나 모임에 늦는 경우처럼, 원활한 참여가 어려운 경우에는 퍼실이가 미리 인지하고 준비하실 수 있도록 반드시 알려주세요!
Q. 사회적 거리두기 단계에 따라 안전하게 진행되나요?
모두의연구소는 사회적 거리두기 단계별 방역 조치를 지켜, 모든 연구원들이 안전한 환경에서 편안히 활동하실 수 있도록 노력하고 있습니다.
오프라인 모임 또한 사회적 거리두기 단계별 방역 조치에 따라 온라인으로 진행될 수 있습니다. 다만, 방역 조치상 오프라인 모임이 가능한 경우 오프라인 진행을 원칙으로 합니다. 추가적으로, 모임의 질을 위해 온•오프라인 병행은 '지양'하고 있습니다.
풀잎스쿨에는 온라인으로 진행되는 다양한 과정이 있답니다. 시간적•거리적 제약으로 오프라인 참여가 어려우신 분들은 온라인 과정을 주목해 주세요! :)
Q. 온라인 모임에 참여할 때 캠과 마이크를 반드시 켜야 하나요?
네. 모두의연구소는 연구원 분들이 최적의 환경에서 학습과 연구에 몰입하실 수 있는 환경 조성을 최우선으로 하고 있습니다. 따라서, 온라인 모임 시에는 토론과 질문이 빈번한 학습 환경에서의 몰입과 매끄러운 진행을 위해, 반드시 캠과 마이크를 켜서 대화에 참여하도록 안내하고 있습니다.
캠과 마이크를 켤 수 없는 경우에는 아쉽지만 참여를 제한하고 있으니, 반드시 캠과 마이크 기능이 포함된 도구를 준비해 주세요. 원활한 의사소통을 위해 자택 등의 조용한 공간에서 참여해 주시면 감사드리겠습니다.
환불 신청은 홈페이지 상단의 “문의글 작성” 에서 가능합니다.