[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
★ 이 책에서 다루는 내용 ★
◎ 딥러닝 영상처리의 핵심 이론
◎ 유명한 CNN 구조와 객체 인식을 위한 SSD, YOLOv4~v7
◎ 이미지 분류, 객체 인식 실습
◎ 엔비디아 젯슨 나노를 활용한 컴퓨터비전 프로젝트
◎ 모바일 로봇(JetBot 자율주행 프로젝트
