인식 모델 구현 프로젝트의 TF가 되어보세요

인식 모델 구현
프로젝트 CAMP

핵심 논문 리뷰부터 개별 과제를 통한 코드 작성까지
인식 모델 구현 프로젝트의 TF가 되어보세요

#Object Tracking#OCR
#Custom dataset

기간 & 일정

2019.09.28 – 11.02
매주 토요일 14:00 – 18:00
주 1회, 총 24시간

장소 & 준비물

패스트캠퍼스 강남강의장
강남역 4번 출구
미왕빌딩
개인 노트북

담당자 & 문의

윤형진 매니저
02-517-0641
help-ds@fastcampus.co.kr

핵심 논문 리뷰부터 개별 과제를 통한
코드 작성&피드백까지-

TensorFlow를 활용하여 Object Tracking과 OCR을 위한
[데이터 수집] – [딥러닝 모델 구현]
– [딥러닝 모델 배포] 과정을 익히실 수 있습니다

잠깐, 생각해 본 적 있으신가요?
당신이 딥러닝을 궁금해 하는 이유-

하루가 다르게 쏟아져 나오는 딥러닝의 새로운 이론과 논문들.
그 안에 복잡한 알고리즘이 나열된 개념을 이해하는 것?
분명 중요합니다.

하지만, 당신이 딥러닝을 필요로 하는 진짜 이유-
결국은 딥러닝을 적용한 ‘결과물 도출’을 위한 것 아닌가요?

실무에서는 이론 뿐만 아니라 API의 사용, 데이터 구성의 이해 등을
이해해야 딥러닝을 실제 데이터에 적용할 수 있고,
필요한 결과물을 얻어낼 수 있습니다.

강의 특징.

인식 모델을 완성하기 위한 탄탄한 학습 과정

강사님과 함께 하나의 TF가 된 것 처럼-
프로젝트를 통해 인식 모델을 직접 구현하는 강의!

알고리즘 기준으로 이론 학습에 중심을 둔 기존 강의와 비교하지 마세요.
‘결과물을 구현하는 것’이 우리의 목표입니다.

m_강의방식

당신이 다루게 될 강의 자료 예시.

Object Tracking과 OCR, 들어본 적 있으신가요?

Object Tracking이란!

Object Tracking은 카메라로 촬영되는 영상에서 사람이나 동물, 차량 등의 특정한 객체의 위치 변화를 찾는 기술입니다. 일련의 영상 프레임 내 객체의 크기, 색, 모양, 윤곽선 등 그 객체의 특징적인 정보 간의 유사도를 활용하여 객체의 위치 변화를 추적합니다. Object Tracking은 실시간 영상 보안, 영상 통화, 교통 통제, 증강 현실 등에 적용되고 있습니다.

그렇다면, OCR(Optical character recognition)은?

OCR은 음영의 차이를 통해 이미지 상에 있는 텍스트를 판독하고 텍스트로 변환하는 기술입니다. Object Tracking과 결합한다면 영상 속에서 ‘글자’로 판단되는 영역을 배경이 아닌, 텍스트의 형태로 분리할 수 있게 됩니다.

공부도 하고!
학습지원금도 받고!

결제액의 10%를 학습지원금으로 드립니다.

패스트캠퍼스의 수강의지를 강화하기 위한 지원금 제도를 운영합니다
패캠이 제안하는 학습 목표를 달성하고 커리어 이상의 성취감을 얻어가길 바랍니다.

*학습지원금은 제세공과금(22%)을 제하고 드립니다.

과제/학습노트

100% 제출

추천 대상.

이런 분들께 추천드립니다.

영상인식 기법을 적용한 결과물을 도출하고자 하는 개발자/ 연구자

고성능 인식 모델 구현에 관심이 있는 개발자/ 연구자/ 대학원생

커리큘럼.

논문/실습/과제로 익히는 6주 커리큘럼!

1회차 OBJECT TRACKING WITH FASTER R-CNN
학습
내용
- TensorFlow & GCP(Google Cloud Platform) API
- Faster R-CNN
- TensorFlow Object Detection API
- TFRecords
- Pascal VOC 데이터셋
논문
리뷰
- Shaoqing Ren, Kaiming He, Ross Girshick, and Jian Sun, “Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks” (2016)
실습
진행
-TensorFlow를 이용한 Faster R-CNN 구현
- ImgLab을 이용한 Object Detection용 Custom 데이터셋 Labelling
과제
제출
- Faster R-CNN을 이용한 Custom 데이터셋에 대한 Object Detection 구현
- GCP Vision API를 이용한 이미지에 대한 Object Detection 구현
2회차 Object Tracking with YOLO, SSD
학습
내용
- OpenCV API
- Amazon MTurk(Mechanical Turk)를 이용한 레이블 수집
- YOLO, YOLO v2, SSD(Single Multibox Detector)
- DarkFlow
논문
리뷰
- Joseph Redmon, Santosh Divvala, Ross Girshick, Ali Farhadi,,“You Only Look Once:Unified, Real-Time Object Detection” (2016)
- Redmon, Joseph, and Ali Farhadi. "YOLO9000: better, faster, stronger." (2017)
- Liu, Wei, et al. "Ssd: Single shot multibox detector." (2016)
실습
진행
- TensorFlow를 이용한 YOLO, YOLO v2, SSD 구현
과제
제출
- GCP Vision API를 이용한 동영상에 대한 Object Tracking 구현
- Non-Maximum Suppression 구현
3회차 Object Tracking with SORT, Deep SORT
학습
내용
- Object Tracking용 데이터셋
- 파라미터 튜닝 방법론
- SORT, Deep SORT
논문
리뷰
- Bewley, Alex, et al. "Simple online and realtime tracking." (2016)
- Wojke, Nicolai, Alex Bewley, and Dietrich Paulus. "Simple online and realtime tracking with a deep association metric." (2017)
실습
진행
- TensorFlow를 이용한 SORT, Deep SORT 구현
과제
제출
- YOLO v2를 이용한 Custom 데이터셋에 대한 Object Tracking 모델 구현
- SORT, Deep SORT를 이용한 Custom 데이터셋에 대한 Object Tracking 모델 구현
4회차 Attention OCR
학습
내용
- Attention OCR
- Attention OCR을 이용한 Custom 데이터셋에 대한 OCR 모델 구현
- TFRecord
논문
리뷰
- Wojna, Zbigniew, et al. "Attention-based extraction of structured information from street view imagery." (2017)
실습
진행
- TensorFlow를 이용한 Attention OCR 구현
과제
제출
- GCP Vision API를 이용한 이미지에 대한 OCR 모델 구현
- Custom 데이터셋에 대한 Attention OCR 구현
5회차 Text Detection
학습
내용
- GCP Vision API를 이용한 동영상에 대한 OCR
- EAST Text Detector를 이용한 Text Detection 구현
논문
리뷰
- Zhou, Xinyu, et al. "EAST: an efficient and accurate scene text detector." (2017)
실습
진행
- TensorFlow를 이용한 EAST Text Detector 구현
과제
제출
- GCP Vision API를 이용한 동영상에 대한 OCR 구현
- EAST Text Detector와 Attention OCR 결합 모델 구현
6회차 Text Detection, OCR & Model Deployment
학습
내용
- Text Detector와 OCR 모델을 결합, 학습된 모델을 배포(Deploy)하는 방법
실습
진행
- Server-Client 구조 구현
- TensorFlow를 이용한 Text Detector + OCR 모델 구현
교육과정소개서_cta_mo

강의에 대한 전반적인 소개를 한 눈에 보고 싶다면? 교육 과정 소개서를 확인해주세요!
* 본 소개서는 회사 제출용으로도 사용 가능합니다.

본 강의에서는 다음과 같은 예제를 다룹니다.

(실습 코드 예제)

(데이터 수집 과정 예제)

6주 후

인식 모델을 구현하는 스스로의 모습에 놀라실거예요!

공개된 샘플 데이터와
API를 따라하는 것이 아닌,
실제 데이터를 정제하고
데이터에 적합한 모델을 만드는
과정
을 익히실 수 있습니다.

GCP(Google Cloud Platform)의
Vision API를 이용하여
범용적인 class에 대해
Object Tracking과 OCR이 결합된
인식 모델을 구현
할 수 있습니다.

범용적인 class를 넘어
custom domain 문제에
YOLO, ROLO, Attention OCR을
적용
한 학습 및 추론 모델을
구현할 수 있습니다.

강사 소개.

강사님은 이런 분이십니다.

User-Role-Guest-icon130130

Solaris

명확히 설계된 로직과 알고리즘을 토대로 구현을 완료하면 그대로 동작하는 기존의 프로그래밍 방법론과는 달리, 딥러닝 방법론은 데이터를 기반으로 수많은 실험과 시행착오를 통해 정답을 찾아내야 합니다. 많은 실험을 해보기 전까지는 내가 만든 모델이 기대한 대로 동작할지를 확신할 수 없습니다. 하지만 이러한 불확실성에도 불구하고 딥러닝이 매력적인 이유는 수많은 시행착오 끝에 나오는 성공적인 결과물이 가져다주는 희열과 무궁무진한 발전 가능성에 있다고 생각합니다.

[약력]
– 서울대학교 인공지능 및 컴퓨터 비전 연구실 석사
– S전자와 컴퓨터 비전 관련 프로젝트 수행
– 텐서플로우와 머신러닝/ 딥러닝 관련 내용의 블로그 ‘Solaris의 인공지능 연구실’ 운영
– 패스트캠퍼스 [딥러닝-영상인식 CAMP] 강의 진행
‘텐서플로로 배우는 딥러닝’ 집필

자주 묻는 질문.

강의에 대한 궁금증을 풀어보세요!

딥러닝과 TensorFlow 학습을 이제 막 시작했는데, 코스 수강이 가능할까요?

본 코스는 CNN, RNN, LSTM 등 딥러닝의 기본 개념과 학습 모델의 가설 검정, 손실 함수의 정의, 최적화 등 머신러닝의 기본 개념을 이미 알고 있고, TensorFlow로 ‘나만의 모델’을 만든 경험이 있는 것을 전제로 진행됩니다. 수강 전, 수강생 체크 리스트를 꼭 확인해주세요!

영상인식 기법을 이론적으로 학습하고 싶은데, 이 코스가 적합할까요?

본 코스는 Object Tracking과 OCR을 결합한 ‘결과물 구현’에 초점을 맞춰 진행됩니다. 영상인식을 위한 이론을 체계적으로 정리하고, 주요한 논문을 review 하는 콘텐츠에 관심 있으시다면 [딥러닝-영상인식 CAMP] 를 추천 드립니다.

{ FASTCAMPUS COMMUNITY MEMBERSHIP }

패스트캠퍼스 오프라인 강의를 수강하셨다면!
별도의 가입절차없이 패스트캠퍼스 커뮤니티 멤버쉽 회원이 됩니다.
커뮤니티 멤버쉽은 수강 후 1년 동안 유지되며,
오직 멤버들만을 위한 비공개 스터디클럽, 네트워킹행사, 세미나 등 비정기적 행사에 모실 예정입니다.


잠깐! 2억원 환급금 받아가세요! (~7/17 까지)
7월 한달간, 출석을 인증하고 후기를 작성하신 분 200분께, 50만원~100만원 상당의 수강쿠폰을 드립니다.

· 쿠폰은 10/1에 지급되며, 10월 한달 간 사용 가능합니다.
· 출석인증: 매주 수업 시 출석여부를 확인할 수 있는 강의장 문앞 강의명 안내표 인증사진을 #패스트캠퍼스 #공부하고100만원받고 #자기계발 태그를 붙여 인스타그램 개인 계정에 게시해야합니다.
· 후기작성: 종강 후 수강한 강의의 상세 후기를 네이버 블로그에 작성하고 공개해주셔야 합니다.

수강료 안내

127만원 (15% 할인, ~8/29)

정가: 150만원

# 일정이 안맞다면 다음 기수 출시알림을 신청하세요!
# 할인가는 매주 목요일 자정에 변경됩니다.
# 결제일 기준으로 조기마감될 수 있습니다

강의장 안내

학습 지원 프로젝트

공부도 하고! 학습지원금도 받고!

*학습지원금(제세공과금 22% 차감 후 지급)은 강의마다 개인마다 상이할 수 있습니다.

학습 목표 1. 과제 및 학습노트 제출

-과제 형태: 과제 제출 + 학습노트 작성.
-과제 제공 방식: 1 ~ 5회차 강의 내용에 대한 연습 문제 형식의 과제 제공. (과제풀이는 차주 수업에서 진행됩니다)
-과제 제출 일정: 코스 진행 3일 후(화요일), 24:00까지 과제 제출.(과제 접수 여부는 접수시간으로 판단됩니다)
[수강중 학습 콘텐츠 일정] 학습노트 제출 1회/ 과제 제출 5회
1회차: 7월 30일(화)까지 과제 제출
2회차: 8월 6일(화)까지 과제 제출
3회차: 8월 13일(화)까지 과제 제출
4회차: 8월 27일(화)까지 과제 제출
5회차: 9월 3일(화)까지 과제 제출
6회차: 9월 10일(화) 학습노트 작성 후 제출

학습지원금을 받으려면?

미션을 모두 완료하면 신청페이지를 통해 신청 가능합니다.
다만, 강의 종료 후 30일 이내에 신청페이지를 통해서 신청해주셔야 합니다.
아래의 환급신청 링크로 신분증 사본 / 환급받을 통장사본을 제출 (반드시 본인 명의로만 가능)해 주세요.
결제한 수강료의 10% (환급 금액의 22% 제세공과금으로 차감) 를 드리며, 학습지원금은 개인마다 상이할 수 있습니다.

환불규정

* 학습지원금은 기수강생 할인만 중복 적용이 가능합니다. (기타 다른 이벤트와 중복 적용이 불가합니다.)
* 과제물이 허위로 작성되거나 표절일 경우 환급이 거절될 수 있습니다.
* 환불은 환불규정(https://www.fastcampus.co.kr/refund/)에 따라 진행됩니다. 규정에 의거하여 환불금액이 없을 수 있습니다.