컴퓨터 비전과 딥러닝

1장. 시작하기
__딥러닝 이해하기
____퍼셉트론
____활성화 함수
____인공 신경망
____원-핫 인코딩
____신경망 학습
____텐서플로 플레이그라운드 살펴보기
____컨볼루션 신경망
____순환 신경망
____LSTM
__컴퓨터 비전을 위한 딥러닝
____분류
____검출 또는 로컬라이제이션 및 분할
____유사도 학습
____이미지 캡셔닝
____생성 모델
____동영상 분석
__개발 환경 설정하기
____하드웨어 및 운영체제
____소프트웨어 패키지 설치하기
__요약


2장. 이미지 분류
__텐서플로에서 MNIST 모델 훈련하기
____MNIST 데이터셋
____MNIST 데이터 로드하기
____퍼셉트론 구축하기
____다중 레이어 컨볼루션 신경망 구축하기
__케라스에서 MNIST 모델 훈련시키기
____데이터셋 준비하기
____모델 구축하기
__그 외 일반적으로 사용되는 이미지 테스트 데이터셋
____CIFAR 데이터셋
____패션-MNIST 데이터셋
____ImageNet 데이터셋 및 대회
__더 깊은 딥러닝 모델
____AlexNet 모델
____VGG-16 모델
____구글 인셉션-V3 모델
____마이크로소프트 ResNet-50 모델
____SqueezeNet 모델
____공간 변환 네트워크
____DenseNet 모델
__개와 고양이를 예측하는 모델 훈련시키기
____데이터 준비하기
____간단한 CNN으로 벤치마킹하기
____데이터셋 확장하기
____모델의 전이 학습 또는 미세 조정
____딥러닝의 여러 레이어 파인 튜닝하기
__실제 애플리케이션 개발하기
____올바른 모델 선택하기
____언더피팅 및 오버피팅 시나리오 해결하기
____얼굴에서 성별과 나이 검출하기
____의류 모델 미세 조정하기
____브랜드 안정성
__요약


3장. 이미지 검색
__시각적 특징의 이해
__딥러닝 모델 활성화의 시각화
__임베딩 시각화
____DeepDream
____적대적인 사례
__모델 추론
____모델 내보내기
____훈련된 모델 사용
__콘텐츠 기반 이미지 검색
____검색 파이프라인 구축
____효율적 검색
____ANNOY를 사용한 매칭 가속화
____Raw 이미지 자동 인코더
____자동 인코더를 사용한 노이즈 제거
__요약


4장. 객체 검출
__이미지에서의 객체 검출
__데이터셋 탐색하기
____ImageNet 데이터셋
____파스칼 VOC 챌린지
____COCO 객체 검출 챌린지
____측정 항목을 사용해 데이터 집합 평가하기
__알고리즘 로컬라이제이션하기
____슬라이딩 윈도우를 사용해 객체 로컬라이제이션하기
____로컬라이제이션을 회귀 문제로 생각해보기
__객체 검출
____R-CNN
____Fast R-CNN
____Faster R-CNN
____싱글 샷 다중 박스 검출기
__객체 검출 API
____설치 및 설정
____사전 훈련된 모델
____객체 검출 모델 재훈련
__자율주행용 보행자 검출 훈련
__YOLO 객체 검출 알고리즘
__요약


5장. 시맨틱 분할
__픽셀 예측
____의료 이미지 진단
____위성 이미지를 사용해 지구를 살펴보기
____로봇이 볼 수 있도록 허용하기
__데이터셋
__시맨틱 분할을 위한 알고리즘
____완전 컨볼루션 네트워크
____SegNet 아키텍처
____확장 컨볼루션
____DeepLab
____RefiNet
____PSPnet
____대형 커널의 문제
____DeepLab v3
__울트라-신경 분할
__위성 이미지 분할
____분할을 위한 FCN 모델링
__인스턴스 분할
__요약


6장. 유사도 학습
__유사도 학습을 위한 알고리즘
____샴 네트워크
____FaceNet
____DeepNet 모델
____DeepRank
____시각적 추천 시스템
__인간 얼굴 분석
____얼굴 검출
____얼굴 표식 및 속성(attribute)
____캐글 키포인트 데이터셋
____얼굴 인식
____얼굴 클러스터링
__요약


7장. 이미지 캡션 처리
__문제 및 데이터셋 이해하기
__이미지 캡션을 위한 자연어 처리 이해
____벡터 형태로 단어 표현하기
____단어를 벡터로 변환
____임베딩 훈련
__이미지 캡션 및 관련 문제에 대한 접근 방법
____조건부 랜덤 필드를 사용해 이미지와 텍스트 연결하기
____CNN 기능에서 RNN을 사용해 자막 생성
____이미지 순위를 사용해 자막 만들기
____이미지와 이미지에서 캡션 가져오기
____밀집 캡션
____캡션에 RNN 사용하기
____다중 모달 측정 항목 공간 사용하기
____캡션 작성 시 관심 네트워크 사용하기
____언제 살펴봐야 할지 파악하기
__관심 기반 이미지 캡션 방법 구현하기
__요약


8장. 생성 모델
__생성 모델의 애플리케이션
____예술적 스타일 이전 방법
____동영상의 다음 프레임 예측 방법
____슈퍼 해상도 이미지
____대화형 이미지 생성하기
____이미지를 이미지로 변환하기
____텍스트로 이미지 생성하기
____불필요 제거
____블렌딩
____속성 변환하기
____훈련 데이터 생성
____새 애니메이션 캐릭터 만들기
____사진으로부터 3D 모델 생성
__신경 예술 스타일 전송
____콘텐츠 손실
____그램 매트릭스를 사용한 스타일 손실
____스타일 전송
__GAN
____바닐라 GAN
____조건부 GAN
____적대적 손실
____이미지 변환
____InfoGAN
____GAN의 단점
__VDM
____VDM 알고리즘
__요약


9장. 동영상 분류
__동영상의 이해 및 분류
____동영상 분류 데이터셋 탐색
____동영상을 프레임으로 분할하기
____동영상 분류 접근법
__동영상에 대한 이미지 기반 접근법 확장
____사람의 포즈도 적용하기
____동영상 분할
____동영상 캡션
____동영상 생성
__요약


10장. 배포
__모델 성능
____모델 양자화
____MobileNets
__클라우드에서 배포하기
____AWS
____구글 클라우드 플랫폼
__장치에 모델 배포하기
____Jetson TX2
____안드로이드
____아이폰
__요약