[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
