-
1. 이미지 데이터와 컴퓨터 비전의 이해 7
이미지 데이터에 대한 기본 지식과 컴퓨터 비전의 역사를 알아봅니다.
-
수업 목표Lecture1.1
-
이미지 데이터 표현하기 : matplotlib, PILLecture1.2
-
이미지 데이터의 구조Lecture1.3
-
심층신경망(DNN)을 활용한 컴퓨터 비전Lecture1.4
-
이미지 데이터의 특징Lecture1.5
-
미리보는 합성곱 신경망(CNN)Lecture1.6
-
마무리Lecture1.7
-
-
2. 필터와 합성곱연산 5
합성곱 연산의 동작 방식과 필터에 대해 알아봅니다.
-
수업 목표Lecture2.1
-
합성곱 연산이란Lecture2.2
-
이미지의 특징을 추출하는 필터Lecture2.3
-
텐서플로우를 활용하여 이미지의 윤곽선 특징 추출하기Lecture2.4
-
마무리Lecture2.5
-
-
3. 패딩과 스트라이드 7
합성곱 연산의 이미지 축소 문제를 해결하기 위한 패딩과 스트라이드에 대해 알아봅니다
-
수업 목표Lecture3.1
-
합성곱 연산의 문제점Lecture3.2
-
패딩(padding)이란Lecture3.3
-
패딩의 크기 결정 : VALID, SAMELecture3.4
-
텐서플로우를 활용하여 패딩 적용하기Lecture3.5
-
스트라이드(stride)란Lecture3.6
-
마무리Lecture3.7
-
-
4. 고차원에서의 합성곱연산 4
다중채널인 경우와 필터가 여러개일 경우의 합성곱 연산은 어떻게 진행되는지 알아봅니다.
-
수업 목표Lecture4.1
-
고차원에서의 합성곱연산Lecture4.2
-
복수개의 필터에 대한 합성곱연산Lecture4.3
-
마무리Lecture4.4
-
-
5. 합성곱신경망의 풀링 연산 6
합성곱신경망에서 이미지의 크기를 줄이는 풀링연산에 대해 알아봅니다.
-
수업 목표Lecture5.1
-
합성곱신경망의 풀링 연산 : Max poolingLecture5.2
-
합성곱신경망의 풀링연산 : Average poolingLecture5.3
-
3차원 데이터에서의 풀링 연산Lecture5.4
-
Max pooling 연산과 Average pooling 연산간의 차이Lecture5.5
-
마무리Lecture5.6
-
-
6. 합성곱신경망의 설계 6
합성곱신경망 층의 구조를 살펴보고 간단한 합성곱신경망 모델을 만들어봅니다.
-
수업 목표Lecture6.1
-
합성곱신경망 층의 구조Lecture6.2
-
합성곱신경망에서의 표기법Lecture6.3
-
간단한 합성곱 모델 분석하기 : Lenet-5Lecture6.4
-
간단한 합성곱신경망 모델 만들기Lecture6.5
-
마무리Lecture6.6
-
-
7. 합성곱 신경망 설계의 고려사항 8
합성곱신경망을 설계할 때 고려해야 하는 점들에 대해 알아봅니다.
-
수업 목표Lecture7.1
-
합성곱신경망 설계의 고려사항 : Receptive FieldLecture7.2
-
Receptive Field 계산법Lecture7.3
-
Fully Connected layer와 Convolution layerLecture7.4
-
합성곱 신경망 설계의 고려사항 : 메모리Lecture7.5
-
필요 메모리 계산법Lecture7.6
-
큰 이미지에서의 메모리 문제Lecture7.7
-
마무리Lecture7.8
-
This content is protected, please login and enroll course to view this content!
Prev
이미지 데이터의 특징
Next
마무리