실전! 프로젝트로 배우는 딥러닝 컴퓨터비전

영상분석 이론부터 엔비디아 젯슨 나노를 활용한 자율주행 실습까지

김혜진 , 왕진영 저자(글)

위키북스 · 2024년 01월 12일

책 소개

딥러닝 영상처리의 핵심 이론과 컴퓨터비전·자율주행 프로젝트를 배웁니다!

이 책은 딥러닝 컴퓨터비전과 자율 주행의 전문가가 되고자 하는 대학생과 개발 입문자를 위한 학습 자료로, 딥러닝 영상처리의 핵심 이론과 관련 문제 해결에 적용 가능한 입문용 미니 프로젝트들을 다룬다. 책은 총 3부로 구성돼 있다.

1부에서는 딥러닝 컴퓨터비전의 기초 이론부터 심층 신경망과 콘볼루션 신경망(CNN)의 기본 원리, 유명한 CNN 구조 소개와 함께 객체 인식을 위한 SSD와 YOLOv4~v7까지 폭넓게 다룬다.

2부에서는 실제 문제를 해결하기 위한 프로젝트를 다양하게 제시한다. 기초적인 이미지 분류 모델을 활용한 재활용품 분류, SSD 객체 인식 모델을 활용한 사물 인지 CCTV, YOLO 객체 인식 모델을 활용한 횡단보도 보행자 인식이 포함돼 있다.

3부에서는 동일한 프로젝트를 엔비디아 젯슨 나노 환경에서 수행할 수 있는 방법을 제시한다. 이를 통해 독자들은 임베디드 환경에서 딥러닝 컴퓨터비전 프로젝트를 구현하는 데 필요한 지식을 습득할 수 있다.

작가정보

저자(글) 김혜진

2009년부터 2020년까지 한컴 MDS에서 근무하고 2020년부터 인공지능 솔루션과 로봇을 개발하는 ㈜젯슨에이아이 대표로 재직 중이다. 한양대학교에서 컴퓨터공학 석사 학위를 취득했으며, 개발 프로젝트 경력 20년, 강의 경력 11년 차다.

저자(글) 왕진영

2022년 3월부터 스트라드비젼에서 알고리즘 엔지니어로 재직하고 있으며, 주요 관심 분야는 컴퓨터비전, 머신러닝, 딥러닝 등이다. 한양대학교에서 기계공학 학사와 박사 학위를 취득했다.

목차

• [PART 0] 프롤로그
  
  0.1 딥러닝 영상분석이란?
  0.2 인공지능 카메라로 무엇을 할 수 있을까?
  0.3 이 책의 실습 준비
  ___구글 코랩에서 실습 준비
  ___윈도우 프로젝트 환경 시작하기
  
  [PART 1] 딥러닝 영상분석을 배워보자
  
  ▣ 1장: 딥러닝 영상분석 소개
  1.1 대표적인 딥러닝 영상분석 기법 3가지
  ___이미지 분류
  ___이미지 객체 인식
  ___이미지 분할
  1.2 영상분석을 위한 딥러닝 이해하기
  ___인공지능 역사 속의 딥러닝
  ___심층 신경망의 이해
  1.3 딥러닝 모델의 기본 구조
  ___딥러닝 훈련 과정과 추론
  ___손실 함수와 가중치의 최적화
  ___경사 하강법과 역전파
  ___소프트맥스 함수
  1.4 ANN MNIST 파이토치 예제
  
  ▣ 2장: 딥러닝 영상분석의 시작, CNN
  2.1 왜 딥러닝 영상분석에서 CNN이 중요한가?
  ___영상분석에서 입력 데이터의 특징
  ___FC 레이어와 Conv 레이어
  2.2 CNN 이해하기
  ___활성화 맵과 특징 맵의 차이
  ___Conv와 Pooling 레이어의 역할
  2.3 딥러닝 학습 과정 준비
  ___데이터세트 준비
  ___활성화 함수
  ___LeNet: CNN MNIST 파이토치 예제
  
  ▣ 3장: 딥러닝 영상분석을 위한 학습 과정
  3.1 가중치의 최적화 솔버들
  ___SGD + 모멘텀
  ___Adagrad
  ___RMSProp
  ___Adam
  3.2 딥러닝 결과를 향상시키는 방법
  ___배치 정규화
  ___데이터 증강과 전이학습
  3.3 인기 있는 CNN 네트워크 구조
  ___AlexNet: 최초의 CNN 기반 이미지 분류 대회 우승
  ___VGGNet: 단순하면서 성능이 좋은 네트워크
  ___GoogLeNet: 구글이 만들고 모두가 사용하는 네트워크
  ___ResNet: 가장 깊고 성능이 좋은 네트워크
  3.4 ResNet 파이토치 예제
  ___파이토치 분류 모델 훈련
  ___파이토치 분류 모델 추론
  
  ▣ 4장: 이미지 분할과 객체 인식
  4.1 이미지 분할
  ___이미지 분할 개념
  ___모델의 평가지표
  ___FCN 이미지 분할
  4.2 이미지 객체 인식
  ___이미지 객체 인식의 기본 개념
  ___Faster R-CNN
  4.3 YOLO: 최초의 실시간 객체 인식 네트워크
  ___YOLO: You Only Look Once
  ___YOLOv2: 더 좋은, 더 빠른, 더 강력한
  ___YOLOv3: 점진적 개선
  4.4 SSD: Faster R-CNN과 YOLO의 장점을 취합
  ___SSD: Single Shot Multi Box Detector
  4.5 그 밖의 네트워크
  ___Mask R-CNN: 이미지 객체 분할
  ___MobileNet v2: 작지만 강력한 객체 인식
  ___YOLOv4: 새로운 YOLO
  ___YOLOv4-tiny: 소형 장치용 tiny 버전
  4.6 YOLOv4 실습
  ___실습 준비
  ___학습
  ___심층 신경망 학습
  ___코랩에서 이미지 추론 테스트
  
  [PART 2] 딥러닝을 활용한 영상분석 프로젝트
  
  ▣ 5장: 이미지 분류를 활용한 재활용품 분류
  5.1 재활용품 분리수거 프로젝트 개요
  5.2 데이터세트 클래스
  ___파이토치 커스텀 데이터세트 클래스
  ___이미지 분류를 위한 데이터세트 클래스
  5.3 심층 신경망 구현
  ___모듈 임포트
  ___MODEL의 핵심 구조
  _____init__ 메서드 구현
  ___forward 메서드 구현
  5.4 전이학습 심층 신경망 구현
  5.5 심층 신경망 학습 클래스
  ___클래스의 구조
  _____init__ 메서드 구현
  ___prepare_network 메서드 구현
  ___training_network 메서드 구현
  5.6 코랩에서 심층 신경망으로 학습
  ___파이썬 클래스와 데이터세트 다운로드
  ___학습
  ___모델 다운로드
  5.7 코랩에서 이미지 추론 테스트
  5.8 윈도우 환경에서 추론 실습
  ___재활용품 분류 추론 코드
  ___재활용품 분류 추론 실행
  5.9 요약
  
  ▣ 6장: SSD 사물인지 CCTV
  6.1 프로젝트 목표와 사용자 시나리오
  6.2 실습 준비
  ___구글 드라이브 구성 및 소스 코드 다운로드
  ___오픈 이미지 데이터세트 다운로드
  ___데이터세트 클래스(OpenImagesDataset)
  6.3 네트워크 학습
  ___SSD MobileNet v1 심층 신경망
  ___SSD MobileNet v1 학습 클래스
  ___SSD MobileNet v1 학습하기
  ___코랩에서 추론 테스트
  6.4 윈도우 환경에서 프로젝트 추론 실습
  ___SSD 사물 인지 CCTV 추론(동영상 및 카메라 영상 추론) 코드 설명
  ___SSD 사물 인지 CCTV 추론 응용(객체 감지 로깅) 코드 설명
  ___SSD 사물 인지 CCTV 추론 실행
  6.5 요약
  
  ▣ 7장: YOLO를 활용한 횡단보도 보행자 보호 시스템
  7.1 프로젝트 목표와 사용자 시나리오
  7.2 YOLOv5 실습 준비
  ___데이터세트 준비
  ___YOLOv5 훈련
  7.3 윈도우에서 YOLOv5 추론 실습
  ___윈도우에서 YOLOv5 추론 준비
  ___YOLOv5 추론 테스트
  7.4 YOLOv7 실습 준비
  ___YOLOv7 설명
  ___데이터세트 준비
  ___YOLOv7 훈련
  7.5 윈도우에서 YOLOv7 추론 실습
  ___윈도우에서 YOLOv7 추론 준비
  ___YOLOv7 추론 테스트
  7.6 요약
  
  [PART 3] 젯슨 나노와 젯봇 활용
  
  ▣ 8장: 젯슨 나노 추론 프로젝트
  8.1 젯슨 나노 시작하기
  ___젯슨 나노 명세
  ___젯슨 나노 부팅하기
  ___기본 깃허브 소스 확인
  ___젯슨 나노의 카메라 테스트
  ___젯슨 나노 딥러닝 기본 세팅 확인
  ___AI 가속화 엔진
  8.2 젯슨 나노에서 재활용품 분류 추론
  ___재활용품 분류 추론 준비
  ___재활용품 분류 추론 실행
  8.3 SSD 사물 인지 CCTV 젯슨 나노 추론
  ___정지 사진의 SSD 추론 테스트
  ___동영상 및 카메라 영상 추론 코드
  ___SSD 사물 인지 CCTV 추론 응용(객체 감지 로깅) 코드 설명
  ___SSD 사물 인지 CCTV 추론 실행
  ___SSD 사물 인지 CCTV 추론 응용(객체 감지 로깅) 실행
  8.4 YOLOv4 현장 촬영 블랙박스 젯슨 나노 추론
  ___추론 준비
  ___다크넷 블랙박스 추론 코드
  8.5 YOLOv5 횡단보도 보행자 보호 시스템 젯슨 나노 추론
  ___젯슨 나노에서 추론 준비
  ___TensorRT 최적화
  ___TensorRT를 활용한 추론
  8.6 요약
  
  ▣ 9장: 세 가지 AI 모바일 로봇 프로젝트
  9.1 AI 모바일 로봇 프로젝트 준비
  ___AI 모바일 로봇 준비
  ___AI 모바일 로봇 기본 환경
  ___AI 모바일 로봇 기본 테스트
  ___전원 모드 설정
  9.2 충돌 회피를 위한 자동 긴급 제동
  ___충돌 회피를 위한 상황 데이터 수집
  ___AlexNet 네트워크로 훈련
  ___충돌 회피를 위한 자동 긴급 제동 코드
  ___AI-모바일 로봇 자동 긴급 제동 테스트
  9.3 팔로잉봇
  ___추론 가속화 엔진 라이브러리
  ___추론 가속화 사물 인식 모델 예제 코드
  ___팔로잉봇 테스트 코드
  ___미리 훈련된 모델로 팔로잉봇 테스트
  ___CCTV용 SSD 모델로 팔로잉봇 테스트
  9.4 차선 인지 자율주행
  ___차선 데이터 수집(간이 테스트)
  ___ResNet-18 네트워크로 회귀 모델 훈련
  ___차선 인식 자율주행 테스트 (간이 테스트)
  ___차선 인식 자율주행 테스트 실행
  ___차선 데이터 수집과 훈련 (트랙 테스트)
  ___차선 인식 자율주행 테스트(트랙 테스트)
  9.5 요약

출판사 서평

★ 이 책에서 다루는 내용 ★

◎ 딥러닝 영상처리의 핵심 이론
◎ 유명한 CNN 구조와 객체 인식을 위한 SSD, YOLOv4~v7
◎ 이미지 분류, 객체 인식 실습
◎ 엔비디아 젯슨 나노를 활용한 컴퓨터비전 프로젝트
◎ 모바일 로봇(JetBot) 자율주행 프로젝트

★ 이 책의 실습에 도움을 주는 유튜브 채널 ★

https://www.youtube.com/@alssaem

기본정보

ISBN	9791158394790
발행(출시)일자	2024년 01월 12일
쪽수	508쪽
크기	173 * 235 * 28 mm / 1015 g
총권수	1권
시리즈명	위키북스 데이터 사이언스 시리즈

Klover

[wa******]

책에 적혀있는 코드랑 책에서 제공해주는 github 코드랑 다른 부분이 너무 많습니다. 그래서 공부할 때 불편해요.

[ye********]

넘 재밌네요 이거 ㅠㅠ

[pd*****]

기본적인 내용이 잘 이해가 되네요

[au****]

이 책 하나로 딥러닝 컴퓨터 비전의 기초 부터 윈도우와 임베디드 실전 프로젝트까지 정복 할 수 있습니다. 동영상 자료도 많아요.