평일 09:00~18:00
(토,일,공휴일 휴무)
tensorflow, pytorch, openCV, labelImg, labelme, yolo, U-Net, SSDMobileNet, EfficientDet, mask R-CNN, PointNet
∙ 이미지 데이터에서 객체탐지를 위한 딥러닝 모델을 이해할 수 있다.
∙ 객체탐지 모델을 학습하고 모델의 성능을 평가할 수 있다.
∙ 이미지 데이터에서 영역분할을 위한 딥러닝 모델을 이해할 수 있다.
∙ 영역분할 모델을 학습하고 모델의 성능을 평가할 수 있다.
1일차 | - 객체 탐지를 위한 인공지능 모델 학습 및 구현 ∙ 객체 탐지를 위한 인공지능 모델 개요 ∙ 객체 탐지를 위한 데이터셋 준비 ∙ 객체 탐지를 위한 이미지 전처리 ∙ 객체 탐지를 위한 인공지능 모델 학습 ∙ 고성능 프레임워크를 활용한 객체 탐지 모델 구축 |
|||
2일차 | - 영역 분할을 위한 인공지능 모델 학습 구현 ∙ 영역 분할을 위한 인공지능 모델 개요 ∙ 영역 분할을 위한 데이터셋 준비 ∙ 영역 분할을 위한 인공지능 모델 학습 ∙ 고성능 프레임워크를 활용한 영역 분할 모델 구축 ∙ 영역 분할 모델 평가 및 최적화 |
∙ 파이썬을 활용하여 이미지 분석기법을 활용하려는 개발자
∙ 개발 경험 5년 이상 개발자
∙ 파이썬 프로그래밍/합성곱 신경망에 대한 이해가 있는 개발자
∙ 파이썬을 활용하여 이미지 분석 기법을 활용하려는 개발자, 개발경험 5년 이상
또는 파이썬 프로그래밍/합성곱 신경망에 대한 이해가 있는 개발자를 대상으로
객체탐지 신경망 및 영역분할 신경망을 고성능 프레임워크에서 학습 및 평가할 수 있도록 구성