CNN을 활용한 이미지 분류, 이진 분류와 다중 클래스 분류의 차이, 그리고 PyTorch에서 전이 학습으로 이미지 분류를 수행하는 방법을 배워요.

이진 및 다중 클래스 이미지 분류

클래스 개수

이진 분류 모델

다중 클래스 분류 모델

이미지를 위한 합성곱 레이어

RGB, 그레이스케일, 아니면 알파?

새로운 합성곱 계층 추가하기

Sequential 블록 만들기

사전 학습된 모델 활용하기

모델 저장 및 불러오기

사전 학습된 모델 불러오기

ResNet으로 이미지 분류하기

CNN으로 하는 이미지 분류

이미지에서 객체 주위에 바운딩 박스를 예측해 탐지하고, 객체 인식 모델의 성능을 평가해요.

바운딩 박스

객체 인식

이미지 텐서

바운딩 박스 그리기

객체 인식 모델 평가

IoU 계산하기

바운딩 박스 예측

NMS 계산하기

R-CNN을 활용한 객체 탐지

사전 학습 모델 백본

분류기 블록

박스 회귀기 블록

Faster R-CNN으로 영역 제안 네트워크 다루기

Anchor generator

Faster R-CNN 모델

RPN과 R-CNN의 손실 정의하기

세 가지 이미지 분할 방식(의미론적, 인스턴스, 팬옵틱), 그 활용 사례, 그리고 각 작업에 적합한 Machine Learning 모델 구조를 배워요.

이미지 분할 소개

세그멘테이션 유형

이진 마스크 생성하기

마스크로 이미지 분할하기

Mask R-CNN으로 하는 인스턴스 세그멘테이션

사전 학습된 Mask R-CNN으로 분할하기

모델 출력 분석하기

소프트 마스크 표시하기

U-Net을 활용한 의미론적 세그멘테이션

U-Net 구축: 레이어 정의

U-Net 만들기: forward 메서드

Semantic segmentation 실행하기

Panoptic segmentation

Semantic 마스크 설정

인스턴스 마스크 오버레이

이미지 분할

Generative Adversarial Networks(GANs)로 완전히 새로운 이미지를 생성해 보세요. Deep Convolutional GAN을 구축하고 학습하는 방법, 그리고 결과물의 품질과 다양성을 평가하는 방법을 배웁니다.

GAN 소개

GAN 직관 이해

Generator

Discriminator

Deep Convolutional GAN

합성곱 기반 Generator

합성곱 Discriminator

GAN 학습하기

Generator loss

Discriminator 손실

훈련 루프

GAN 평가

이미지 생성하기

Fréchet Inception Distance

마무리

GAN으로 하는 이미지 생성

이 과정에서는 PyTorch를 사용해 이미지 분류, 객체 인식, 분할, 이미지 생성을 학습해요. 이진 및 다중 클래스 이미지 분류 모델을 모두 다루고, 사전 학습된 모델을 활용해 다양한 Deep Learning 작업을 수행하며, 바운딩 박스를 사용한 객체 탐지를 익힙니다. 또한 의미론적, 인스턴스, 팬옵틱 등 이미지 분할 기법과 실제 활용 사례를 살펴봅니다. 마지막으로 Generative Adversarial Networks(GANs)를 탐구하고, 생성된 이미지의 품질과 다양성을 평가하는 방법을 배웁니다.

이 딥러닝 강의는 PyTorch를 활용한 이미지 분야를 다루며, 이미지 분류, 객체 탐지, 분류, 생성에서 뛰어난 실무 기술과 지식을 갖추도록 도와줍니다. 

<h2>합성곱 신경망(CNN)으로 이미지를 분류하세요</h2>

CNN을 활용해 이진 및 다중 클래스 이미지 분류를 수행하고, PyTorch에서 사전 학습된 모델을 활용하는 방법을 이해하게 됩니다. 바운딩 박스를 사용하면 이미지 내 객체를 감지하고 객체 인식 모델의 성능도 평가할 수 있습니다.

<h2>마스크를 적용하여 이미지를 분류</h2>

이미지 분류를 탐색하고, 이미지에 마스크를 적용하여 의미론적, 인스턴스, 파노픽 분류를 포함한 다양한 분류를 살펴보며, 각 분류 유형에 필요한 서로 다른 모델 아키텍처에 대해 학습합니다. 

<h2>GAN으로 이미지 생성하기</h2>

마지막으로, 생성적 적대 신경망(GAN)을 사용해 직접 이미지를 생성하는 방법을 배우게 됩니다. Deep Convolutional GAN(DCGAN)을 구축하고 학습하는 데 필요한 기술과 생성된 이미지의 품질과 다양성을 평가하는 방법을 배우게 됩니다.

이 강의를 마치면 PyTorch 모델을 사용해 다양한 이미지 작업을 수행할 수 있는 기술과 경험을 갖추게 됩니다.

Intermediate Deep Learning with PyTorch

PyTorch를 사용하여 이미지에 객체 감지 및 이미지 분할을 위한 딥러닝 모델 적용.

PyTorch로 배우는 이미지 딥러닝

이미지에 PyTorch를 적용하고, 경계 상자를 통한 객체 검출과 이미지 세그멘테이션 생성을 위한 딥러닝 모델을 활용합니다.

Faster R-CNN으로 영역 제안 네트워크 다루기

Create Your Free Account