바로콘으로 인터넷교보문고 소식 받기
바로콘 자세히보기
딥러닝은 인공지능에 혁명을 일으키고 있으며, 앞으로 수십 년 동안 강렬하게 세상을 바꿀 기술이다. 심층 학습을 기반으로 한 인공지능은 산업혁명과 비슷한 수준의 영향을 미칠 수 있다.
딥러닝은 미래에 대한 흥분과 더불어 두려...
더보기
이 책의 이벤트 해외주문/바로드림/제휴사주문/업체배송건의 경우 1+1 증정상품이 발송되지 않습니다.
-
행사도서 포함 IT 분야 3만원 이상 구매시 개발자 텀블러티슈 ..2019.11.05 ~ 2019.12.31 -
개발자로 입문하기: 일단 이것부터 읽어보자!2019.05.31 ~ 2020.12.31 -
에이콘의 도서를 한 눈에 살펴보세요2017.11.23 ~ 2020.12.31 -
#리드잇 페이스북 페이지 팔로우 하시고, 신간소식 빠르게 받아보..2017.06.22 ~ 2025.07.31 -
MANNING, O'REILLY, PACKT, WILE..2016.03.07 ~ 2020.12.31 -
설문참여 시 매월 5명 추첨통해 선물을 드립니다.10. 14 ~ 12. 31
| ISBN | 9791161752006(1161752005) |
|---|---|
| 쪽수 | 344쪽 |
| 크기 | 190 * 236 * 19 mm /769g 판형알림 |
| 이 책의 원서/번역서 | Deep Learning for Computer Vision: Expert techniques to train advanced neural networks using TensorF/Shanmugamani, Rajalingappaa |
책소개
이 책이 속한 분야
딥러닝은 인공 지능에 혁명을 일으키고 있으며 앞으로 수십 년 동안 강렬하게 세상을 바꿀 기술이다. 심층 학습을 기반으로 한 인공 지능은 산업혁명과 비슷한 수준의 영향을 미칠 수 있다.
딥러닝은 현실상에서는 산업 혁명과 기계와 마찬가지로 산업 생산성을 향상시키고 많은 인류의 생활 수준을 높여줄 것이다.
컴퓨터 비전을 위해 활용될 수 있는 딥러닝에 대한 기본 지식들을 파악하게 되고, 딥러닝의 강력한 힘과 많은 애플리케이션을 지원하기 위한 내용에 대해서 알게 될 것이다.
딥러닝은 현실상에서는 산업 혁명과 기계와 마찬가지로 산업 생산성을 향상시키고 많은 인류의 생활 수준을 높여줄 것이다.
컴퓨터 비전을 위해 활용될 수 있는 딥러닝에 대한 기본 지식들을 파악하게 되고, 딥러닝의 강력한 힘과 많은 애플리케이션을 지원하기 위한 내용에 대해서 알게 될 것이다.
상세이미지
저자소개
작가의 말
다양한 애플리케이션 프로그램을 위한 컴퓨터 비전 기술을 배우고 싶어 하는 독자를 대상으로 하며, 독자에게 컴퓨터 비전 기반 제품을 개발할 수 있는 도구와 기술을 제공한다. 실용적인 예제들을 통해 비전 관련 이론을 확인할 수 있다.
목차
1장. 시작하기
딥러닝 이해하기
퍼셉트론
활성화 함수
인공 신경망
원-핫 인코딩
신경망 학습
텐서플로 플레이그라운드 살펴보기
컨볼루션 신경망
순환 신경망
LSTM
컴퓨터 비전을 위한 딥러닝
분류
검출 또는 로컬라이제이션 및 분할
유사도 학습
이미지 캡셔닝
생성 모델
동영상 분석
개발 환경 설정하기
하드웨어 및 운영체제
소프트웨어 패키지 설치하기
요약
2장. 이미지 분류
텐서플로에서 MNIST 모델 훈련하기
MNIST 데이터셋
MNIST 데이터 로드하기
퍼셉트론 구축하기
다중 레이어 컨볼루션 신경망 구축하기
케라스에서 MNIST 모델 훈련시키기
데이터셋 준비하기
모델 구축하기
그 외 일반적으로 사용되는 이미지 테스트 데이터셋
CIFAR 데이터셋
패션-MNIST 데이터셋
ImageNet 데이터셋 및 대회
더 깊은 딥러닝 모델
AlexNet 모델
VGG-16 모델
구글 인셉션-V3 모델
마이크로소프트 ResNet-50 모델
SqueezeNet 모델
공간 변환 네트워크
DenseNet 모델
개와 고양이를 예측하는 모델 훈련시키기
데이터 준비하기
간단한 CNN으로 벤치마킹하기
데이터셋 확장하기
모델의 전이 학습 또는 미세 조정
딥러닝의 여러 레이어 파인 튜닝하기
실제 애플리케이션 개발하기
올바른 모델 선택하기
언더피팅 및 오버피팅 시나리오 해결하기
얼굴에서 성별과 나이 검출하기
의류 모델 미세 조정하기
브랜드 안정성
요약
3장. 이미지 검색
시각적 특징의 이해
딥러닝 모델 활성화의 시각화
임베딩 시각화
DeepDream
적대적인 사례
모델 추론
모델 내보내기
훈련된 모델 사용
콘텐츠 기반 이미지 검색
검색 파이프라인 구축
효율적 검색
ANNOY를 사용한 매칭 가속화
Raw 이미지 자동 인코더
자동 인코더를 사용한 노이즈 제거
요약
4장. 객체 검출
이미지에서의 객체 검출
데이터셋 탐색하기
ImageNet 데이터셋
파스칼 VOC 챌린지
COCO 객체 검출 챌린지
측정 항목을 사용해 데이터 집합 평가하기
알고리즘 로컬라이제이션하기
슬라이딩 윈도우를 사용해 객체 로컬라이제이션하기
로컬라이제이션을 회귀 문제로 생각해보기
객체 검출
R-CNN
Fast R-CNN
Faster R-CNN
싱글 샷 다중 박스 검출기
객체 검출 API
설치 및 설정
사전 훈련된 모델
객체 검출 모델 재훈련
자율주행용 보행자 검출 훈련
YOLO 객체 검출 알고리즘
요약
5장. 시맨틱 분할
픽셀 예측
의료 이미지 진단
위성 이미지를 사용해 지구를 살펴보기
로봇이 볼 수 있도록 허용하기
데이터셋
시맨틱 분할을 위한 알고리즘
완전 컨볼루션 네트워크
SegNet 아키텍처
확장 컨볼루션
DeepLab
RefiNet
PSPnet
대형 커널의 문제
DeepLab v3
울트라-신경 분할
위성 이미지 분할
분할을 위한 FCN 모델링
인스턴스 분할
요약
6장. 유사도 학습
유사도 학습을 위한 알고리즘
샴 네트워크
FaceNet
DeepNet 모델
DeepRank
시각적 추천 시스템
인간 얼굴 분석
얼굴 검출
얼굴 표식 및 속성(attribute)
캐글 키포인트 데이터셋
얼굴 인식
얼굴 클러스터링
요약
7장. 이미지 캡션 처리
문제 및 데이터셋 이해하기
이미지 캡션을 위한 자연어 처리 이해
벡터 형태로 단어 표현하기
단어를 벡터로 변환
임베딩 훈련
이미지 캡션 및 관련 문제에 대한 접근 방법
조건부 랜덤 필드를 사용해 이미지와 텍스트 연결하기
CNN 기능에서 RNN을 사용해 자막 생성
이미지 순위를 사용해 자막 만들기
이미지와 이미지에서 캡션 가져오기
밀집 캡션
캡션에 RNN 사용하기
다중 모달 측정 항목 공간 사용하기
캡션 작성 시 관심 네트워크 사용하기
언제 살펴봐야 할지 파악하기
관심 기반 이미지 캡션 방법 구현하기
요약
8장. 생성 모델
생성 모델의 애플리케이션
예술적 스타일 이전 방법
동영상의 다음 프레임 예측 방법
슈퍼 해상도 이미지
대화형 이미지 생성하기
이미지를 이미지로 변환하기
텍스트로 이미지 생성하기
불필요 제거
블렌딩
속성 변환하기
훈련 데이터 생성
새 애니메이션 캐릭터 만들기
사진으로부터 3D 모델 생성
신경 예술 스타일 전송
콘텐츠 손실
그램 매트릭스를 사용한 스타일 손실
스타일 전송
GAN
바닐라 GAN
조건부 GAN
적대적 손실
이미지 변환
InfoGAN
GAN의 단점
VDM
VDM 알고리즘
요약
9장. 동영상 분류
동영상의 이해 및 분류
동영상 분류 데이터셋 탐색
동영상을 프레임으로 분할하기
동영상 분류 접근법
동영상에 대한 이미지 기반 접근법 확장
사람의 포즈도 적용하기
동영상 분할
동영상 캡션
동영상 생성
요약
10장. 배포
모델 성능
모델 양자화
MobileNets
클라우드에서 배포하기
AWS
구글 클라우드 플랫폼
장치에 모델 배포하기
Jetson TX2
안드로이드
아이폰
요
딥러닝 이해하기
퍼셉트론
활성화 함수
인공 신경망
원-핫 인코딩
신경망 학습
텐서플로 플레이그라운드 살펴보기
컨볼루션 신경망
순환 신경망
LSTM
컴퓨터 비전을 위한 딥러닝
분류
검출 또는 로컬라이제이션 및 분할
유사도 학습
이미지 캡셔닝
생성 모델
동영상 분석
개발 환경 설정하기
하드웨어 및 운영체제
소프트웨어 패키지 설치하기
요약
2장. 이미지 분류
텐서플로에서 MNIST 모델 훈련하기
MNIST 데이터셋
MNIST 데이터 로드하기
퍼셉트론 구축하기
다중 레이어 컨볼루션 신경망 구축하기
케라스에서 MNIST 모델 훈련시키기
데이터셋 준비하기
모델 구축하기
그 외 일반적으로 사용되는 이미지 테스트 데이터셋
CIFAR 데이터셋
패션-MNIST 데이터셋
ImageNet 데이터셋 및 대회
더 깊은 딥러닝 모델
AlexNet 모델
VGG-16 모델
구글 인셉션-V3 모델
마이크로소프트 ResNet-50 모델
SqueezeNet 모델
공간 변환 네트워크
DenseNet 모델
개와 고양이를 예측하는 모델 훈련시키기
데이터 준비하기
간단한 CNN으로 벤치마킹하기
데이터셋 확장하기
모델의 전이 학습 또는 미세 조정
딥러닝의 여러 레이어 파인 튜닝하기
실제 애플리케이션 개발하기
올바른 모델 선택하기
언더피팅 및 오버피팅 시나리오 해결하기
얼굴에서 성별과 나이 검출하기
의류 모델 미세 조정하기
브랜드 안정성
요약
3장. 이미지 검색
시각적 특징의 이해
딥러닝 모델 활성화의 시각화
임베딩 시각화
DeepDream
적대적인 사례
모델 추론
모델 내보내기
훈련된 모델 사용
콘텐츠 기반 이미지 검색
검색 파이프라인 구축
효율적 검색
ANNOY를 사용한 매칭 가속화
Raw 이미지 자동 인코더
자동 인코더를 사용한 노이즈 제거
요약
4장. 객체 검출
이미지에서의 객체 검출
데이터셋 탐색하기
ImageNet 데이터셋
파스칼 VOC 챌린지
COCO 객체 검출 챌린지
측정 항목을 사용해 데이터 집합 평가하기
알고리즘 로컬라이제이션하기
슬라이딩 윈도우를 사용해 객체 로컬라이제이션하기
로컬라이제이션을 회귀 문제로 생각해보기
객체 검출
R-CNN
Fast R-CNN
Faster R-CNN
싱글 샷 다중 박스 검출기
객체 검출 API
설치 및 설정
사전 훈련된 모델
객체 검출 모델 재훈련
자율주행용 보행자 검출 훈련
YOLO 객체 검출 알고리즘
요약
5장. 시맨틱 분할
픽셀 예측
의료 이미지 진단
위성 이미지를 사용해 지구를 살펴보기
로봇이 볼 수 있도록 허용하기
데이터셋
시맨틱 분할을 위한 알고리즘
완전 컨볼루션 네트워크
SegNet 아키텍처
확장 컨볼루션
DeepLab
RefiNet
PSPnet
대형 커널의 문제
DeepLab v3
울트라-신경 분할
위성 이미지 분할
분할을 위한 FCN 모델링
인스턴스 분할
요약
6장. 유사도 학습
유사도 학습을 위한 알고리즘
샴 네트워크
FaceNet
DeepNet 모델
DeepRank
시각적 추천 시스템
인간 얼굴 분석
얼굴 검출
얼굴 표식 및 속성(attribute)
캐글 키포인트 데이터셋
얼굴 인식
얼굴 클러스터링
요약
7장. 이미지 캡션 처리
문제 및 데이터셋 이해하기
이미지 캡션을 위한 자연어 처리 이해
벡터 형태로 단어 표현하기
단어를 벡터로 변환
임베딩 훈련
이미지 캡션 및 관련 문제에 대한 접근 방법
조건부 랜덤 필드를 사용해 이미지와 텍스트 연결하기
CNN 기능에서 RNN을 사용해 자막 생성
이미지 순위를 사용해 자막 만들기
이미지와 이미지에서 캡션 가져오기
밀집 캡션
캡션에 RNN 사용하기
다중 모달 측정 항목 공간 사용하기
캡션 작성 시 관심 네트워크 사용하기
언제 살펴봐야 할지 파악하기
관심 기반 이미지 캡션 방법 구현하기
요약
8장. 생성 모델
생성 모델의 애플리케이션
예술적 스타일 이전 방법
동영상의 다음 프레임 예측 방법
슈퍼 해상도 이미지
대화형 이미지 생성하기
이미지를 이미지로 변환하기
텍스트로 이미지 생성하기
불필요 제거
블렌딩
속성 변환하기
훈련 데이터 생성
새 애니메이션 캐릭터 만들기
사진으로부터 3D 모델 생성
신경 예술 스타일 전송
콘텐츠 손실
그램 매트릭스를 사용한 스타일 손실
스타일 전송
GAN
바닐라 GAN
조건부 GAN
적대적 손실
이미지 변환
InfoGAN
GAN의 단점
VDM
VDM 알고리즘
요약
9장. 동영상 분류
동영상의 이해 및 분류
동영상 분류 데이터셋 탐색
동영상을 프레임으로 분할하기
동영상 분류 접근법
동영상에 대한 이미지 기반 접근법 확장
사람의 포즈도 적용하기
동영상 분할
동영상 캡션
동영상 생성
요약
10장. 배포
모델 성능
모델 양자화
MobileNets
클라우드에서 배포하기
AWS
구글 클라우드 플랫폼
장치에 모델 배포하기
Jetson TX2
안드로이드
아이폰
요
추천사
스티븐 무어(싱가폴이모션리더최고기술책임자)
출판사 서평
★ 이 책의 구성 ★
1장. ‘시작하기’에서는 딥러닝의 기초를 소개하며, 초보자는 어휘에 익숙해질 시간을 갖게 된다. 이후 장을 수행하는 데 필요한 소프트웨어 패키지 설치에 대한 내용도 다룬다 .
2장. ‘이미지 분류’에서는 이미지 전체에 레이블을 붙이는 이미지 분류 문제를 설명한다. 이미지 분류 기술에 대해 배우고 애완동물 분류에 대한 딥러닝 모델을 훈련할 수 있다. 또한 정확도를 높이고 다양한 고급 아키텍처에 대한 심도 있는 내용을 배우게 된다.
3장. ‘이미지 검색’에서는 심층 특징(deep feature)과 이미지 ... 더보기
1장. ‘시작하기’에서는 딥러닝의 기초를 소개하며, 초보자는 어휘에 익숙해질 시간을 갖게 된다. 이후 장을 수행하는 데 필요한 소프트웨어 패키지 설치에 대한 내용도 다룬다 .
2장. ‘이미지 분류’에서는 이미지 전체에 레이블을 붙이는 이미지 분류 문제를 설명한다. 이미지 분류 기술에 대해 배우고 애완동물 분류에 대한 딥러닝 모델을 훈련할 수 있다. 또한 정확도를 높이고 다양한 고급 아키텍처에 대한 심도 있는 내용을 배우게 된다.
3장. ‘이미지 검색’에서는 심층 특징(deep feature)과 이미지 ... 더보기
북로그 리뷰 (0) 쓰러가기
도서 구매 후 리뷰를 작성하시면 통합포인트를 드립니다.
결제 90일 이내 작성 시 300원 / 발송 후 5일 이내 작성시 400원 / 이 상품의 첫 리뷰 작성 시 500원
(포인트는 작성 후 다음 날 적립되며, 도서 발송 전 작성 시에는 발송 후 익일에 적립됩니다.
외서/eBook/음반/DVD/GIFT 및 잡지 상품 제외) 안내
결제 90일 이내 작성 시 300원 / 발송 후 5일 이내 작성시 400원 / 이 상품의 첫 리뷰 작성 시 500원
(포인트는 작성 후 다음 날 적립되며, 도서 발송 전 작성 시에는 발송 후 익일에 적립됩니다.
외서/eBook/음반/DVD/GIFT 및 잡지 상품 제외) 안내
- 해당도서의 리뷰가 없습니다.
Klover 평점/리뷰 (0)
문장수집 (0) 문장수집 쓰기 나의 독서기록 보기
※구매도서의 문장수집을 기록하면 통합포인트 적립
안내
교환/반품/품절안내
※ 상품 설명에 반품/교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다.)
| 반품/교환방법 | 마이룸 > 주문관리 > 주문/배송내역 > 주문조회 > 반품/교환신청 , [1:1상담>반품/교환/환불] 또는 고객센터 (1544-1900) ※ 오픈마켓, 해외배송주문, 기프트 주문시 [1:1상담>반품/교환/환불] 또는 고객센터 (1544-1900) |
|---|---|
| 반품/교환가능 기간 | 변심반품의 경우 수령 후 7일 이내, 상품의 결함 및 계약내용과 다를 경우 문제점 발견 후 30일 이내 |
| 반품/교환비용 | 변심 혹은 구매착오로 인한 반품/교환은 반송료 고객 부담 |
| 반품/교환 불가 사유 |
|
| 상품 품절 | 공급사(출판사) 재고 사정에 의해 품절/지연될 수 있으며, 품절 시 관련 사항에 대해서는 이메일과 문자로 안내드리겠습니다. |
| 소비자 피해보상 환불지연에 따른 배상 |
|
기프트 BEST
![[카멜] 전자노트 카멜보드 12인치 CB1210 단품할인가](http://image.kyobobook.co.kr/newimages/giftshop_new/goods/400/1385/hot1562914082216.jpg)
![[보유]Deep Learning for Computer Vision](http://image.kyobobook.co.kr/images/book/large/628/l9781788295628.jpg)
