Object Detection

실전 Workshop

Detection의 실무 적용 사례를 다루고,
실제 데이터에 적용하는 법을 익히는 실습형 강의

#Object Detection

#3인의 전문가

#현업사례중심

기간 & 일정

2019.02.14. – 03.21.
매주 목요일 19:30 – 22:30
주 1회, 총 18시간

장소 & 준비물

패스트캠퍼스 강남강의장
강남역 4번 출구, 미왕빌딩
개인 노트북

담당자 & 문의

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

워크샵
기획 의도.

공개된 API/논문만으로는
실제 데이터로 Detection을 구현하기 어렵다.

TensorFlow의 Object Detection API는 오픈소스 프레임워크로 위에서 보이는 사진처럼 object들을 찾아내고 알려줍니다. 공개된 API도 있고, object detection 이론을 다루는 논문도 있는데, 실제 데이터에 적용하여 detection을 구현하기에는 다음과 같은 한계점이 존재합니다.

API를 가져다 쓰는 것은 어렵지 않지만, 샘플 데이터가 아닌 실제 데이터 적용을 위해 튜닝을 하는 것은 어렵다. 공개된 API에서 무엇을 어떻게 바꿔야 할지 찾기가 힘들다.

데이터 분석을 위해서는 알고리즘 이해 뿐만 아니라 데이터 전처리가 필요한 것처럼, detection 구현을 하는 과정 중에 난관을 부딪힐 수 있다. 그런데 API는 일종의 솔루션으로, ‘사용 방법’만이 있을 뿐이다.

object detection은 많은 관심에도 불구하고, 다른 딥러닝 분야에 비해 공개된 자료가 적다.

object detection 실무에서는 API를 가져다 사용하는 것이 아니다. 데이터의 특성이나 개발 환경에 따라 모델을 직접 빌드업하고 있으며, 이를 위해서는 논문 상의 이론만이 아닌, 개념과 코드를 ‘뜯어 보고’ 세세하게 이해해야 한다.

워크샵
목표.

실제 사용가능한 수준으로
Detection을 이해하고 구현하는 것.

본 워크샵은 이론을 넘어서 실질적인 detection의 동작 원리를 이해하고 모델의 전체적인 아키텍처를 파악하여 ‘내 데이터에 object detection’을 적용시킬 수 있는 역량을 기르는 것을 목표로 합니다.

icon_knowhow
Detection Model 이해
R-CNN부터 RetinaNet까지

Deep Learning을 이용한
주요 Model들을
집중적으로 학습합니다.

icon_project
Object Detection 구현 실습
1 & 2-Stage Detector

정확도가 높은 2-Stage Detector(R-CNN 계열) 및 속도가 빠른 1-Stage Detector (YOLO, SDD 계열)를 직접 구현해봅니다.

icon_networking
실무 적용사례 공유
3인의 현업전문가의 경험과 노하우

Object Detection을 연구하고 있는
3명의 강사님이 실전 사례와
Annotation 제작법을 공유합니다.

워크샵
강사 소개.

obj_1

박종호님

[ 약력 ]
– 서울대학교 컴퓨터공학부
학사 졸업
– 서울대학교 컴퓨터공학부
석사 졸업
– 현 수아랩 재직

obk_3

금종수님

[ 약력 ]
– 광주과학기술원 전기전산(EECS)
학사 졸업
– 광주과학기술원
전기전자컴퓨터공학부 석사 졸업
– 현 수아랩 재직

obj_2

이호성님

[ 약력 ]
– 서울대학교 전기정보공학부
학사 졸업
– 서울대학교 전기정보공학부
석사 졸업
– 현 수아랩 재직

현재 딥러닝 기반의 제품 검사 솔루션을 선도하는 기업인 수아랩에 재직 중인 연구진입니다. 학계의 최신 논문만을 읽고 익숙하지 않은 상태에서 이를 구현하기에는 많은 어려움이 존재합니다. 저희는 대표적인 딥러닝 기술인 Object Detection 문제의 이론에서 시작하여 이를 현업의 데이터에 적용하기까지의 과정을 함께 진행하여 온전한 구현체를 직접 개발해볼 수 있는 강의를 제공하고자 합니다.

워크샵
수강 대상.

본인의 데이터에 Object Detection을
적용하고자 하는 연구원 및 개발자.

수강생이 참고하면 좋은 Blog

✓ 잠깐! 수강 신청 전, 선수 지식을 꼭 확인하세요!

icon5

딥러닝컴퓨터비전에 대해
전반적인 지식을 갖추고 있다.

icon3

CNN 학습을 위한
데이터셋 loading,
모델 구성, training 및
testing
등의 모든 과정을
이해하고 있다.

icon2

TensorFlow Tutorial
직접 실행해 본 적이 있거나,
코드를 읽고 이해할 수 있다.

icon4

프로그래밍 언어(Python, C, C++, Java 등)을 다룬 경험이 있으며, 프로그램 실행 중 에러 발생 시 메세지를 보고 구글링 등을 통해 디버깅할 수 있다.

워크샵
커리큘럼.

1회차 : Deep Learning을 이용한 Object Detection

– What is Object Detection?
– R-CNN부터 RetinaNet까지 수많은 Detection 모델의 성장과정
– Object Detection 이해를 위한 기초 지식
– Detection 알고리즘 응용 사례

2~3회차 : 2-Stage Detector (R-CNN 계열)

– R-CNN 및 SPP-Net 개념 이해
– Fast-RCNN 및 Faster-RCNN 개념 이해
– Faster-RCNN 코드 구현 및 실습

4~5회차 : 1-Stage Detector (YOLO, SSD 계열)

– YOLOv1, YOLOv2, YOLOv3 개념 이해
– SSD, RetinaNet 개념 이해
– YOLO 계열 및 SSD 계열 코드 구현 및 실습

6회차 : Detection 현업 적용 사례 및 실제 데이터를 활용한 실습

– 강의 Recap
– 실제 현업 적용 사례 및 Kaggle Challenge 참석 후기 소개 및 분석
– 나만의 데이터셋 구축을 위한 Annotation 제작 가이드
– Detection 성능을 올리기 위한 10가지 방법 소개

* 본 Workshop은 TensorFlow로 진행됩니다.

강의 자료 예시

수강료
안 내.

85만 원 (정가 100만 원)

15% 할인! (~1/24)

※할인가는 매주 목요일 자정에 변경됩니다.
※ 카드 12개월 무이자 할부 가능!

강의 장소
안 내.