실전! 텐서플로 2를 활용한 딥러닝 컴퓨터 비전

[01부] 컴퓨터 비전에 적용한 텐서플로 2와 딥러닝

▣ 01장: 컴퓨터 비전과 신경망
기술적 요구사항
컴퓨터 비전
___컴퓨터 비전 소개
___주요 작업 및 애플리케이션
컴퓨터 비전의 약력
___최초 성공을 위한 첫 걸음
___딥러닝의 출현
신경망 시작하기
___신경망 구성하기
___신경망 훈련시키기
요약
질문
참고 문헌

▣ 02장: 텐서플로 기초와 모델 훈련
기술적 요구사항
텐서플로 2와 케라스 시작하기
___텐서플로 소개
___케라스를 사용한 간단한 컴퓨터 비전 모델
텐서플로 2와 케라스 자세히 알아보기
___핵심 개념
___고급 개념
텐서플로 생태계
___텐서보드
___텐서플로 애드온과 텐서플로 확장
___텐서플로 라이트와 TensorFlow.js
___모델 실행 장소
요약
질문

▣ 03장: 현대 신경망
기술 요구사항
합성곱 신경망의 발견
___다차원 데이터를 위한 신경망
___CNN 작업
___유효 수용 영역
___텐서플로로 CNN 구현하기
훈련 프로세스 개선
___현대 네트워크 최적화 기법
___정규화 기법
요약
질문
참고 문헌

[02부] 전통적인 인식 문제를 해결하는 최신 솔루션

▣ 04장: 유력한 분류 도구
기술 요구사항
고급 CNN 아키텍처의 이해
___VGG, 표준 CNN 아키텍처
___GoogLeNet, Inception 모듈
___ResNet - 잔차 네트워크
전이학습 활용
___개요
___텐서플로와 케라스로 전이학습 구현
요약
질문
참고 문헌

▣ 05장: 객체 탐지 모델
기술 요구사항
객체 탐지 소개
___배경
___모델 성능 평가
빠른 객체 탐지 알고리즘 - YOLO
___YOLO 소개
___YOLO로 추론하기
___YOLO 훈련시키기
Faster R-CNN - 강력한 객체 탐지 모델
___Faster R-CNN의 일반 아키텍처
___Faster R-CNN 훈련
___텐서플로 객체 탐지 API
요약
질문
참고 문헌

▣ 06장: 이미지 보강 및 분할
기술 요구사항
인코더-디코더로 이미지 변환
___인코더-디코더 소개
___기본 예제 - 이미지 노이즈 제거
___합성곱 인코더-디코더
의미론적 분할 이해하기
___인코더-디코더를 사용한 객체 분할
___더 까다로운 인스턴스 분할
요약
질문
참고 문헌

[03부] 컴퓨터 비전의 고급 개념 및 새 지평

▣ 07장: 복합적이고 불충분한 데이터셋에서 훈련시키기
기술 요구사항
효율적인 데이터 제공
___텐서플로 데이터 API 소개
___입력 파이프라인 구성
___입력 파이프라인 최적화 및 모니터링
데이터가 부족하면 어떻게 처리할까?
___데이터셋 보강
___합성 데이터셋 렌더링하기
___도메인 적응과 생성 모델(VAE와 GAN) 활용
요약
질문
참고 문헌

▣ 08장: 동영상과 순환 신경망
기술 요구사항
RNN 소개
___기본 형식
___RNN에 대한 일반적인 이해
___RNN 가중치 학습
___장단기 메모리 셀
동영상 분류
___컴퓨터 비전을 동영상에 적용하기
___LSTM으로 동영상 분류하기
요약
질문
참고 문헌

▣ 09장: 모델 최적화 및 모바일 기기 배포
기술 요구사항
계산 및 디스크 용량 최적화
___추론 속도 측정하기
___모델 추론 속도 개선하기
___모델이 여전히 느린 경우
___모델 크기 축소
온디바이스 머신러닝
___온디바이스 머신러닝의 고려사항
___실용적인 온디바이스 컴퓨터 비전
애플리케이션 예제 - 얼굴 표정 인식
___MobileNet 소개
___모델을 기기에 배포하기
요약
질문

▣ [부록]

텐서플로 1.x에서 마이그레이션하기
___자동 마이그레이션
___텐서플로 1 코드 마이그레이션하기

참조
___1장 컴퓨터 비전과 신경망
___2장 텐서플로 기초와 모델 훈련
___3장 현대 신경망
___4장 유력한 분류 도구
___5장 객체 탐지 모델
___6장 이미지 보강 및 분할
___7장 복합적이고 불충분한 데이터셋에서 훈련시키기
___8장 동영상과 순환 신경망
___9장 모델 최적화 및 모바일 기기 배포