🏷️chap_cv
의료 진단, 자율 주행 차량, 카메라 모니터링 또는 스마트 필터 등 컴퓨터 비전 분야의 많은 응용 분야는 현재와 미래의 삶과 밀접한 관련이 있습니다.최근 몇 년 동안 딥 러닝은 컴퓨터 비전 시스템의 성능을 향상시키는 혁신적인 힘이었습니다.가장 진보 된 컴퓨터 비전 응용 프로그램은 딥 러닝과 거의 분리 할 수 없다고 말할 수 있습니다.이를 고려하여 이 장에서는 컴퓨터 비전 분야에 초점을 맞추고 최근 학계와 산업에 영향을 미쳤던 방법과 응용 프로그램을 조사합니다.
:numref:chap_cnn 및 :numref:chap_modern_cnn에서는 컴퓨터 비전에서 일반적으로 사용되는 다양한 컨벌루션 신경망을 연구하여 간단한 이미지 분류 작업에 적용했습니다.이 장의 시작 부분에서는 모델 일반화를 향상시킬 수 있는 두 가지 방법, 즉이미지 증대 및미세 조정에 대해 설명하고 이미지 분류에 적용합니다.심층 신경망은 여러 레벨의 이미지를 효과적으로 표현할 수 있기 때문에 이러한 계층 적 표현은객체 감지, 의미 분할 및스타일 전송과 같은 다양한 컴퓨터 비전 작업에 성공적으로 사용되었습니다.컴퓨터 비전에서 계층적 표현을 활용한다는 핵심 아이디어에 따라 물체 감지를 위한 주요 구성 요소와 기술부터 시작하겠습니다.다음으로, 이미지의 의미론적 분할을 위해완전 컨벌루션 네트워크를 사용하는 방법을 보여드리겠습니다.그런 다음 스타일 전송 기술을 사용하여 이 책의 표지와 같은 이미지를 생성하는 방법을 설명합니다.마지막으로, 이 장의 자료와 몇 개의 이전 장을 널리 사용되는 두 개의 컴퓨터 비전 벤치마크 데이터 세트에 적용하여 이 장을 마무리합니다.
:maxdepth: 2
image-augmentation
fine-tuning
bounding-box
anchor
multiscale-object-detection
object-detection-dataset
ssd
rcnn
semantic-segmentation-and-dataset
transposed-conv
fcn
neural-style
kaggle-cifar10
kaggle-dog