실전! 텐서플로 2를 활용한 딥러닝 컴퓨터 비전 (텐서플로 2.0과 케라스를 활용한 강력한 이미지 처리 애플리케이션 만들기)

실전! 텐서플로 2를 활용한 딥러닝 컴퓨터 비전 (텐서플로 2.0과 케라스를 활용한 강력한 이미지 처리 애플리케이션 만들기)

$29.03
Description
《실전! 텐서플로 2를 활용한 딥러닝 컴퓨터 비전》은 컴퓨터 비전과 딥러닝의 기본 원리를 시작으로 신경망을 처음부터 구축하는 방법을 알려준다. 사용하기 쉬운 케라스 인터페이스와 함께 텐서플로를 가장 널리 사용되는 AI 라이브러리로 만들어준 기능을 살펴보고 CNN을 효율적으로 구축, 훈련, 배포해 본다. 구체적인 코드 예제를 통해 Inception, Resnet 같은 최신 솔루션으로 이미지를 분류하고 YOLO(You Only Look Once), Mask R-CNN, U-Net을 사용해 특정 콘텐츠를 추출하는 방법을 보여준다. 또 이미지 생성 및 편집을 위해 GAN(Generative Adversarial Networks)과 VAE (Variational Auto-Encoder)를 구축하고 동영상 분석을 위해 LSTM을 구축한다. 그 과정에서 다른 주요 개념 중에서 전이 학습, 데이터 보강, 도메인 적응, 모바일 및 웹 배포에 관한 깊은 통찰력을 얻게 될 것이다.

★ 이 책에서 다루는 내용 ★

◎ 신경망을 처음부터 생성하기
◎ Inception과 ResNet을 포함한 최신 아키텍처로 이미지 분류하기
◎ YOLO, Mask R-CNN, U-Net으로 이미지에서 객체를 탐지하고 분할하기
◎ 자율주행차와 얼굴 표정 인식 시스템 개발에 따르는 문제 해결하기
◎ 전이학습, GAN, 도메인 적응 기법으로 애플리케이션 성능 개선하기
◎ 동영상 분석을 위해 순환 신경망 사용하기
◎ 각자 생성한 신경망을 모바일 기기와 브라우저에 맞게 최적화하고 배포하기
저자

벤자민플랜치

파사우대학교(UniversityofPassau)와지멘스(SiemensCorporateTechnology)에몸담고있는박사과정학생이다.그는컴퓨터비전과딥러닝분야에서5년넘게전세계다양한연구소(프랑스LIRIS,일본미쓰비시전기,독일지멘스)에서일해왔다.벤자민은프랑스리옹에위치한INSA-Lyon과독일파사우대학교에서두개의석사학위를우수한성적으로취득했다.
산업응용분야에서적은데이터로더스마트한시각시스템을개발하는데중점적으로노력을기울이고있으며,자신의지식과경험을StackOverflow와같은온라인플랫폼에서공유하거나이지식을적용해아름다운작품을만들어보여주기도한다.

목차

[01부]컴퓨터비전에적용한텐서플로2와딥러닝

▣01장:컴퓨터비전과신경망
기술적요구사항
컴퓨터비전
___컴퓨터비전소개
___주요작업및애플리케이션
컴퓨터비전의약력
___최초성공을위한첫걸음
___딥러닝의출현
신경망시작하기
___신경망구성하기
___신경망훈련시키기
요약
질문
참고문헌

▣02장:텐서플로기초와모델훈련
기술적요구사항
텐서플로2와케라스시작하기
___텐서플로소개
___케라스를사용한간단한컴퓨터비전모델
텐서플로2와케라스자세히알아보기
___핵심개념
___고급개념
텐서플로생태계
___텐서보드
___텐서플로애드온과텐서플로확장
___텐서플로라이트와TensorFlow.js
___모델실행장소
요약
질문

▣03장:현대신경망
기술요구사항
합성곱신경망의발견
___다차원데이터를위한신경망
___CNN작업
___유효수용영역
___텐서플로로CNN구현하기
훈련프로세스개선
___현대네트워크최적화기법
___정규화기법
요약
질문
참고문헌

[02부]전통적인인식문제를해결하는최신솔루션

▣04장:유력한분류도구
기술요구사항
고급CNN아키텍처의이해
___VGG,표준CNN아키텍처
___GoogLeNet,Inception모듈
___ResNet-잔차네트워크
전이학습활용
___개요
___텐서플로와케라스로전이학습구현
요약
질문
참고문헌

▣05장:객체탐지모델
기술요구사항
객체탐지소개
___배경
___모델성능평가
빠른객체탐지알고리즘-YOLO
___YOLO소개
___YOLO로추론하기
___YOLO훈련시키기
FasterR-CNN-강력한객체탐지모델
___FasterR-CNN의일반아키텍처
___FasterR-CNN훈련
___텐서플로객체탐지API
요약
질문
참고문헌

▣06장:이미지보강및분할
기술요구사항
인코더-디코더로이미지변환
___인코더-디코더소개
___기본예제-이미지노이즈제거
___합성곱인코더-디코더
의미론적분할이해하기
___인코더-디코더를사용한객체분할
___더까다로운인스턴스분할
요약
질문
참고문헌

[03부]컴퓨터비전의고급개념및새지평

▣07장:복합적이고불충분한데이터셋에서훈련시키기
기술요구사항
효율적인데이터제공
___텐서플로데이터API소개
___입력파이프라인구성
___입력파이프라인최적화및모니터링
데이터가부족하면어떻게처리할까?
___데이터셋보강
___합성데이터셋렌더링하기
___도메인적응과생성모델(VAE와GAN)활용
요약
질문
참고문헌

▣08장:동영상과순환신경망
기술요구사항
RNN소개
___기본형식
___RNN에대한일반적인이해
___RNN가중치학습
___장단기메모리셀
동영상분류
___컴퓨터비전을동영상에적용하기
___LSTM으로동영상분류하기
요약
질문
참고문헌

▣09장:모델최적화및모바일기기배포
기술요구사항
계산및디스크용량최적화
___추론속도측정하기
___모델추론속도개선하기
___모델이여전히느린경우
___모델크기축소
온디바이스머신러닝
___온디바이스머신러닝의고려사항
___실용적인온디바이스컴퓨터비전
애플리케이션예제-얼굴표정인식
___MobileNet소개
___모델을기기에배포하기
요약
질문

▣[부록]

텐서플로1.x에서마이그레이션하기
___자동마이그레이션
___텐서플로1코드마이그레이션하기

참조
___1장컴퓨터비전과신경망
___2장텐서플로기초와모델훈련
___3장현대신경망
___4장유력한분류도구
___5장객체탐지모델
___6장이미지보강및분할
___7장복합적이고불충분한데이터셋에서훈련시키기
___8장동영상과순환신경망
___9장모델최적화및모바일기기