°³¶ËÀ̳׿¡¼ ÆÇ¸ÅµÈ "¸¸µé¸é¼ ¹è¿ì´Â ÆÄÀÌÅäÄ¡ µö·¯´×" Á¤°¡ 40,000¿ø Æò±ÕÇÒÀΰ¡
|
|
|
ÃÑ 9°³ÀÇ µµ¼°¡ ÀÖ½À´Ï´Ù.
µµ¼À̹ÌÁö |
µµ¼¸í |
»óÅÂ |
°¡°Ý |
ÆǸÅÀÚ |
|
|
¸¸µé¸é¼ ¹è¿ì´Â ÆÄÀÌÅäÄ¡ µö·¯´×
|
»õÃ¥
|
25,000¿ø
50,000 ¹Ì¸¸ ¹è¼Ûºñ3,000
|
|
|
|
|
¸¸µé¸é¼ ¹è¿ì´Â ÆÄÀÌÅäÄ¡ µö·¯´×
|
ÃÖ»ó
|
34,400¿ø
35,000 ¹Ì¸¸ ¹è¼Ûºñ3,000
|
|
|
|
|
¸¸µé¸é¼ ¹è¿ì´Â ÆÄÀÌÅäÄ¡ µö·¯´×
|
ÃÖ»ó
|
34,770¿ø
35,000 ¹Ì¸¸ ¹è¼Ûºñ3,000
|
|
|
|
|
¸¸µé¸é¼ ¹è¿ì´Â ÆÄÀÌÅäÄ¡ µö·¯´×
|
ÃÖ»ó
|
34,800¿ø
35,000 ¹Ì¸¸ ¹è¼Ûºñ3,000
|
|
|
|
|
¸¸µé¸é¼ ¹è¿ì´Â ÆÄÀÌÅäÄ¡ µö·¯´×
|
ÃÖ»ó
|
34,800¿ø
35,000 ¹Ì¸¸ ¹è¼Ûºñ3,000
|
|
|
|
|
¸¸µé¸é¼ ¹è¿ì´Â ÆÄÀÌÅäÄ¡ µö·¯´×
|
ÃÖ»ó
|
34,800¿ø
35,000 ¹Ì¸¸ ¹è¼Ûºñ3,000
|
|
|
|
|
¸¸µé¸é¼ ¹è¿ì´Â ÆÄÀÌÅäÄ¡ µö·¯´×
|
ÃÖ»ó
|
34,800¿ø
35,000 ¹Ì¸¸ ¹è¼Ûºñ3,000
|
|
|
|
|
¸¸µé¸é¼ ¹è¿ì´Â ÆÄÀÌÅäÄ¡ µö·¯´×
|
»õÃ¥
|
|
|
|
|
|
¸¸µé¸é¼ ¹è¿ì´Â ÆÄÀÌÅäÄ¡ µö·¯´×
|
»õÃ¥
|
|
|
|
|
CHAPTER 1 È»ó ºÐ·ù¿Í ÀüÀÌÇнÀ(VGG) 1.1 ÇнÀµÈ VGG ¸ðµ¨À» »ç¿ëÇÏ´Â ¹æ¹ý 1.2 ÆÄÀÌÅäÄ¡¸¦ È°¿ëÇÑ µö·¯´× ±¸Çö È帧 1.3 ÀüÀÌÇнÀ ±¸Çö 1.4 ¾Æ¸¶Á¸ AWSÀÇ Å¬¶ó¿ìµå GPU ¸Ó½ÅÀ» »ç¿ëÇÏ´Â ¹æ¹ý 1.5 ÆÄÀÎÆ©´× ±¸Çö
CHAPTER 2 ¹°Ã¼ °¨Áö(SSD) 2.1 ¹°Ã¼ °¨Áö¶õ 2.2 µ¥ÀÌÅͼ ±¸Çö 2.3 µ¥ÀÌÅÍ ·Î´õ ±¸Çö 2.4 ³×Æ®¿öÅ© ¸ðµ¨ ±¸Çö 2.5 ¼øÀüÆÄ ÇÔ¼ö ±¸Çö 2.6 ¼Õ½ÇÇÔ¼ö ±¸Çö 2.7 ÇнÀ ¹× °ËÁõ ½Ç½Ã 2.8 Ãß·Ð ½Ç½Ã
CHAPTER3 ½Ã¸Çƽ ºÐÇÒ(PSPNet) 3.1 ½Ã¸Çƽ ºÐÇÒÀ̶õ 3.2 µ¥ÀÌÅͼ°ú µ¥ÀÌÅÍ ·Î´õ ±¸Çö 3.3 PSPNet ³×Æ®¿öÅ© ±¸¼º ¹× ±¸Çö 3.4 Feature ¸ðµâ ¼³¸í ¹× ±¸Çö(ResNet) 3.5 Pyramid Pooling ¸ðµâ ¼³¸í ¹× ±¸Çö 3.6 Decoder, AuxLoss ¸ðµâ ¼³¸í ¹× ±¸Çö 3.7 ÆÄÀÎÆ©´×À» È°¿ëÇÑ ÇнÀ ¹× °ËÁõ ½Ç½Ã 3.8 ½Ã¸Çƽ ºÐÇÒ Ãß·Ð
CHAPTER 4 ÀÚ¼¼ ÃßÁ¤(OpenPose) 4.1 ÀÚ¼¼ ÃßÁ¤ ¹× ¿ÀÇÂÆ÷Áî °³¿ä 4.2 µ¥ÀÌÅͼ°ú µ¥ÀÌÅÍ ·Î´õ ±¸Çö 4.3 ¿ÀÇÂÆ÷Áî ³×Æ®¿öÅ© ±¸¼º ¹× ±¸Çö 4.4 Feature ¹× Stage ¸ðµâ ¼³¸í ¹× ±¸Çö 4.5 ÅÙ¼º¸µåX¸¦ »ç¿ëÇÑ ³×Æ®¿öÅ©ÀÇ ½Ã°¢È ±â¹ý 4.6 ¿ÀÇÂÆ÷Áî ÇнÀ 4.7 ¿ÀÇÂÆ÷Áî Ãß·Ð
CHAPTER 5 GANÀ» È°¿ëÇÑ È»ó »ý¼º(DCGAN, Self-Attention GAN) 5.1 GANÀ» È°¿ëÇÑ È»ó »ý¼º ¸ÞÄ¿´ÏÁò°ú DCGAN ±¸Çö 5.2 DCGANÀÇ ¼Õ½ÇÇÔ¼ö, ÇнÀ, »ý¼º 5.3 Self-Attention GANÀÇ °³¿ä 5.4 Self-Attention GANÀÇ ÇнÀ, »ý¼º
CHAPTER 6 GANÀ» È°¿ëÇÑ ÀÌ»ó È»ó ŽÁö(AnoGAN, Efficient GAN) 6.1 GANÀ» È°¿ëÇÑ ÀÌ»ó È»ó ŽÁö ¸ÞÄ¿´ÏÁò 6.2 AnoGAN ±¸Çö ¹× ÀÌ»ó ŽÁö ½Ç½Ã 6.3 Efficient GANÀÇ °³¿ä 6.4 Efficient GAN ±¸Çö ¹× ÀÌ»ó ŽÁö ½Ç½Ã
CHAPTER 7 ÀÚ¿¬¾î 󸮿¡ ÀÇÇÑ °¨Á¤ ºÐ¼®(Transformer) 7.1 ÇüÅÂ¼Ò ºÐ¼® ±¸Çö(Janome, MeCab+NEologd) 7.2 torchtext¸¦ È°¿ëÇÑ µ¥ÀÌÅͼÂ, µ¥ÀÌÅÍ ·Î´õ ±¸Çö 7.3 ´Ü¾îÀÇ º¤ÅÍ Ç¥Çö ¹æ½Ä(word2vec, fasttext) 7.4 word2vec, fasttext¿¡¼ ÇнÀµÈ ¸ðµ¨(ÀϺ»¾î)À» »ç¿ëÇÏ´Â ¹æ¹ý 7.5 IMDbÀÇ µ¥ÀÌÅÍ ·Î´õ ±¸Çö 7.6 Transformer ±¸Çö(ºÐ·ù ÀÛ¾÷¿ë) 7.7 TransformerÀÇ ÇнÀ/Ãß·Ð, ÆÇ´Ü ±Ù°ÅÀÇ ½Ã°¢È ±¸Çö
CHAPTER 8 ÀÚ¿¬¾î 󸮸¦ È°¿ëÇÑ °¨Á¤ ºÐ¼®(BERT) 8.1 BERT ¸ÞÄ¿´ÏÁò 8.2 BERT ±¸Çö 8.3 BERT¸¦ È°¿ëÇÑ º¤ÅÍ Ç¥Çö ºñ±³(bank: ÀºÇà°ú bank: °º¯) 8.4 BERTÀÇ ÇнÀ ¹× Ãß·Ð, ÆÇ´Ü ±Ù°ÅÀÇ ½Ã°¢È ±¸Çö
CHAPTER 9 µ¿¿µ»ó ºÐ·ù(3DCNN, ECO) 9.1 µ¿¿µ»ó µ¥ÀÌÅÍ¿¡ ´ëÇÑ µö·¯´×°ú ECO °³¿ä 9.2 2D Net ¸ðµâ(Inception-v2) ±¸Çö 9.3 3D Net ¸ðµâ(3DCNN) ±¸Çö 9.4 Kinetics µ¿¿µ»ó µ¥ÀÌÅͼÂÀ» µ¥ÀÌÅÍ ·Î´õ·Î ±¸Çö 9.5 ECO ¸ðµ¨ ±¸Çö ¹× µ¿¿µ»ó ºÐ·ùÀÇ Ãß·Ð ½Ç½Ã
À̹ÌÁö/µ¿¿µ»ó ºÐ·ù¿¡¼ OpenPose, GAN, BERT±îÁöÃֽŠµö·¯´× ¸ðµ¨ ±¸ÇöÀÇ ÇÙ½ÉÀÌ ÇÑ ±Ç¿¡!
ºñÁî´Ï½º ÇöÀå¿¡¼ µö·¯´×À» ÀÀ¿ëÇÑ °æÇèÀ» ½×°í ½Í´Ù¸é, ÇÕ¼º°ö ½Å°æ¸ÁÀ» ÀÌ¿ëÇÑ È»ó(À̹ÌÁö) ºÐ·ù µî°ú °°ÀÌ ±âº»ÀûÀÎ µö·¯´× ±â¹ýÀ» ¹è¿î ÈÄ ´ÙÀ½ ´Ü°è·Î ³Ñ¾î°¡°í ½Í´Ù¸é ÃßõÇÕ´Ï´Ù. ÀÔ¹®¼¿¡¼´Â ¾Ë±â ¾î·Á¿ü´ø ÀüÀÌÇнÀ°ú ÆÄÀÎÆ©´×À» È°¿ëÇÑ È»ó ºÐ·ù, ¹°Ã¼ °¨Áö, ½Ã¸Çƽ ºÐÇÒ, ÀÚ¼¼ ÃßÁ¤, GANÀ» È°¿ëÇÑ È»ó »ý¼º ¹× ÀÌ»ó ŽÁö, ÅؽºÆ® µ¥ÀÌÅÍ °¨Á¤ ºÐ¼®, µ¿¿µ»ó µ¥ÀÌÅÍ Å¬·¡½º ºÐ·ù¸¦ 12°¡Áö ¸ðµ¨·Î ±¸ÇöÇÏ¸ç ¹è¿ï ¼ö ÀÖ½À´Ï´Ù. µö·¯´×Àº ¡®¿µ¾÷¡¿µö·¯´×¡¯, ¡®Á¦Á¶¡¿µö·¯´×¡¯, ¡®ÀÇ·á¡¿µö·¯´×¡¯ µî°ú °°ÀÌ ´Ù¸¥ ºÐ¾ß¿Í ÇÔ²² È°¿ëÇÒ ¶§ ºñ·Î¼Ò ÁøÁ¤ÇÑ °¡Ä¡¸¦ ¹ßÈÖÇÕ´Ï´Ù. µµ¸ÞÀÎ Áö½Ä°ú µö·¯´× ±¸Çö ´É·ÂÀÌ °áÇÕµÈ ÀÎÀç·Î ¼ºÀåÇÏ¿© ÇöÀå¿¡¼ È°¾àÇÏ´Â µ¥ ÀÌ Ã¥ÀÌ µµ¿ò µÉ °ÍÀÔ´Ï´Ù.
¡Ú °¢ ÀåÀÇ °³¿ä _1Àå. È»ó ºÐ·ù¿Í ÀüÀÌÇнÀ(VGG) ÇнÀµÈ VGG ¸ðµ¨À» È°¿ëÇØ ¼Ò·®ÀÇ µ¥ÀÌÅÍ·Î µö·¯´× ¸ðµ¨À» ±¸ÃàÇÒ ¼ö ÀÖ´Â ÀüÀÌÇнÀ°ú ÆÄÀÎÆ©´×À» ¾Ë¾Æº¾´Ï´Ù. ¶ÇÇÑ ÀÌ Ã¥¿¡¼´Â AWSÀÇ Å¬¶ó¿ìµå GPU ¸Ó½ÅÀ» »ç¿ëÇÏ¿© µö·¯´×À» ¼³¸íÇÕ´Ï´Ù.
_2Àå. ¹°Ã¼ ÀνÄ(SSD) ¹°Ã¼ °¨Áö´Â µö·¯´× ÀÀ¿ë ¹æ¹ý Áß¿¡¼µµ ƯÈ÷ º¹ÀâÇÑ ±â¼úÀÔ´Ï´Ù. SSD ¸ðµ¨À» È°¿ëÇØ ¹°Ã¼ °¨ÁöÀÇ È帧À» ¼³¸íÇÕ´Ï´Ù.
_3Àå. ½Ã¸Çƽ ºÐÇÒ(PSPNet) Çȼ¿ ¼öÁØ¿¡¼ ¹°Ã¼¸¦ ºÐ·ùÇÏ´Â ½Ã¸Çƽ ºÐÇÒÀ» ÇнÀÇÏ¸é¼ µö·¯´× ¸ðµ¨ PSPNetÀ» ¼³¸íÇÕ´Ï´Ù. ¾î¶»°Ô Çȼ¿ ¼öÁØ¿¡¼ ¹°Ã¼¸¦ ºÐ·ùÇÒ ¼ö ÀÖ´ÂÁö¿Í ÇÔ²² ³×Æ®¿öÅ© ±¸Á¶, ¼øÀüÆÄÇÔ¼ö, ¼Õ½ÇÇÔ¼öµµ ¾Ë¾Æº¾´Ï´Ù.
_4Àå. ÀÚ¼¼ ÃßÁ¤(OpenPose) ÀÚ¼¼ ÃßÁ¤Àº È»ó¿¡ Æ÷ÇÔµÈ ¿©·¯ Àι°À» ŽÁöÇÏ¿© ÀÎü °¢ ºÎÀ§ÀÇ À§Ä¡¸¦ ½Äº°ÇÏ°í ºÎÀ§¸¦ ¿¬°áÇÏ´Â ¼±(¸µÅ©)À» ±¸ÇÏ´Â ±â¼úÀÔ´Ï´Ù. OpenPose°¡ ¾î¶»°Ô »ç¶÷ÀÇ °¢ ºÎÀ§¸¦ ŽÁöÇÏ°í ºÎÀ§¸¦ ¼·Î ¿¬°áÇÏ´ÂÁö ±¸ÇöÇÏ¸ç ±× ±¸Á¶¸¦ È®ÀÎÇÕ´Ï´Ù. ¸ðµ¨ÀÇ ³×Æ®¿öÅ© ±¸Á¶ È®ÀÎ ¹æ¹ýÀ¸·Î ÅÙ¼º¸µåX »ç¿ë¹ýÀ» ¼³¸íÇÕ´Ï´Ù.
_5Àå. GANÀ» È°¿ëÇÑ È»ó »ý¼º(DCGAN, Self-Attention GAN) Self-AttentionÀº ÀÚ¿¬¾î ó¸®(NLP)¿¡ È°¿ëµÇ´Â Transformer¿Í BERTÀÇ ¿¼è°¡ µÇÁö¸¸ ÀÌÇØÇϱ⠾î·Æ±â ¶§¹®¿¡ ¿ì¼±Àº Ȼ󿡼 Self-AttentionÀ» ±¸ÇöÇÏ°í ÀÌÇØÇÏ´Â °ÍÀ» ¸ñÇ¥·Î ÇÕ´Ï´Ù.
_6Àå. GANÀ» È°¿ëÇÑ ÀÌ»ó °¨Áö(AnoGAN, Efficient GAN) ÀÌ»ó È»ó °ËÃâÀº ÀÇ·á ÇöÀå¿¡¼ Áúȯ ¹× °Ç° »óŸ¦ ÆǺ°Çϰųª Á¦Á¶¾÷¿¡¼ ÀÌ»óÀÌ ÀÖ´Â ºÎÇ°À» °ËÃâÇÒ °æ¿ì µî¿¡ »ç¿ëÇÕ´Ï´Ù. ÀÌ»ó È»óÀÌ Á¤»ó Ȼ󺸴٠¸Å¿ì ÀûÀ» ¶§´Â AnoGANÀ», ÀÌ»ó ŽÁö¿¡ °É¸®´Â ½Ã°£À» ÇØ°áÇϱâ À§Çؼ´Â EfficientGANÀ» ÀÀ¿ëÇÒ ¼ö ÀÖ½À´Ï´Ù.
_7Àå. ÀÚ¿¬¾î 󸮸¦ È°¿ëÇÑ °¨Á¤ ºÐ¼®(Transformer) ÅؽºÆ® µ¥ÀÌÅ͸¦ Ãë±ÞÇÏ´Â ÀÚ¿¬¾î 󸮸¦ »ìÆ캸°í µö·¯´× ¸ðµ¨ Transformer¸¦ È°¿ëÇØ ÅؽºÆ® µ¥ÀÌÅÍ ³»¿ëÀ» ±àÁ¤°ú ºÎÁ¤À¸·Î °¨Á¤ÇÕ´Ï´Ù. word2vec°ú fasttext¸¦ È°¿ëÇØ ´Ü¾î¸¦ º¤ÅÍ Ç¥ÇöÀ¸·Î ¼öÄ¡ÈÇÏ°í ´Ü¾î¿¡ AttentionÀ» °É¾î Ãß·Ð °á°ú¸¦ ½Ã°¢ÈÇغ¾´Ï´Ù.
_8Àå. ÀÚ¿¬¾î 󸮸¦ È°¿ëÇÑ °¨Á¤ ºÐ¼®(BERT) °¨Á¤ ºÐ¼® ¸ðµ¨À» ±¸Ãà, ÇнÀÇÏ°í Ãß·ÐÇØ ¹®¸Æ¿¡ µû¶ó ´Ü¾î º¤ÅÍ°¡ ¾î¶»°Ô º¯ÈÇÏ´ÂÁö ¾Ë¾Æº¸°í Self-AttentionÀ¸·Î ½Ã°¢ÈÇغ¾´Ï´Ù.
_9Àå. µ¿¿µ»ó ºÐ·ù(3DCNN, ECO) È»ó ºÐ·ù¿Í µ¿¿µ»ó ºÐ·ùÀÇ Â÷ÀÌ¿¡ ÁÖ¸ñÇÏ¸é¼ ¾î¶»°Ô µ¿¿µ»óÀ» µö·¯´×¿¡¼ ´Ù·ç°í ±¸ÇöÇÏ´ÂÁö ¼³¸íÇÕ´Ï´Ù.
°ü·Ã ¼Àû(Á¦¸ñ + ISBN) ±è±âÇöÀÇ ÀÚ¿¬¾î ó¸® µö·¯´× Ä·ÇÁ(ÆÄÀÌÅäÄ¡ Æí) (9791162241974) ¹Ø¹Ù´ÚºÎÅÍ ½ÃÀÛÇÏ´Â µö·¯´× 3 (9791162243596) Æë±Ïºê·ÎÀÇ 3ºÐ µö·¯´×, ÆÄÀÌÅäÄ¡¸À (9791162242278)
|
|
|
|
|