Object Detection이 무엇인가요?
object detection은 컴퓨터 비전 기술의 세부 분야 중 하나로, 주어진 이미지 내 사용자가 관심을 가지는 객체를 탐지하는 기술입니다. object detection 기술은 자율 주행 자동차, CCTV, 보행자 검출 등 수많은 분야에서 응용되고 있습니다.
object detection을 이해하기 위한 다양한 개념과 기초 모델들을 공부하고, kaggle 내 competition에 사용된 데이터를 이용하여 이미지를 전처리하고 object detection 모델을 사용해보는 실습을 진행할 예정입니다.
Object Detection 입문 스터디 일정
주차 | 날짜 | 모듈 |
1주차 | 7/17(일) | Detection(객체 탐지) 개념 / RCNN |
2주차 | 7/24(일) | Fast RCNN / Faster RCNN + 2-stage detector 코드 실습 |
3주차 | 7/31(일) | YOLO v1 / SSD |
4주차 | 8/7(일) | YOLO v2 / YOLO v3 + 1-stage detector 코드 실습 |
5주차 | 8/14(일) | 객체탐지 분야 트렌드 살펴보기 / 팀별 토이프로젝트 주제 주제 발표 |
6주차 | 8/21(일) | 주중 팀 미팅(30분)을 통한 피드백 |
7주차 | 8/28(일) | 토이 프로젝트 결과 발표 |
스터디 모집 기간
6월 27일(월) ~ 7월 3일(월)
입금자 기준 선착순 팀 모임 참가자 최대 12명 / 강의 참가자 최대 30명
(정원 초과시 조기 마감될 수 있습니다. 마감시 해당 페이지를 통해 공지 드립니다.)
스터디 제공 사항
•
스터디 당일 PPT 자료 제공
•
Colab 코드 제공
커리큘럼
커리큘럼은 유동적으로 변경될 수 있습니다.
1주차 Detection(객체 탐지) 개념 / RCNN
CNN이 하던 이미지 분류에서 더 나아가, 이미지 내 객체의 종류 및 위치를 파악하는 Detection 분야 내 다양한 모델에 대한 공부를 진행하기 전에 필요한 기초 개념(stage, bbox, AP 등)들을 공부합니다.
Object detection 분야에서 최초로 딥러닝 기술이 적용된 RCNN에 대해서 알아봅니다.
2주차 Fast RCNN / Faster RCNN
RCNN 및 SPP-Net의 단점을 극복한 Fast RCNN, 그리고 이를 더 발전시킨 Faster RCNN에 대해 알아봅니다.
그 후 지금까지 공부해 본 2-stage detector 모델들을 토대로 실습을 진행합니다.
3주차 YOLOv1 / SSD
새롭게 등장한 object detection 방식인 YOLO와 SSD에 대해서 알아봅니다.
4주차 YOLO v2 / YOLO v3
성능과 속도의 향상이 이루어졌던 YOLOv2와 YOLOv3에 대해 알아봅니다.
그 후 지금까지 공부해 본 1-stage detector 모델들을 토대로 실습을 진행합니다.
5주차 객체탐지 분야 트렌드 살펴보기
기초 논문을 모두 살펴보았으니, object detection 분야에서 좋은 성능을 이끌어내어 주로 사용되고 있는 트렌드 모델들(YOLOv4-5, EfficientDet, Swin Transformer 등)을 간단하게 알아봅니다.
•
난이도: 중 | 파이썬 실력: ★★★☆☆ (파이썬 기초 문법 숙지 / 이미지 데이터 간단한 핸들링)
•
매주 일요일 오전 10시~오후 12시 실시간 비대면(zoom) 강의 예정
•
실시간 비대면 강의 녹화본 제공
팀 모임 안내 사항
•
3인 1팀으로, 최대 4팀이 프로젝트를 진행할 예정입니다.
•
팀 구성은 자율 또는 스터디 리더의 랜덤배정으로 이루어집니다.
•
5주차에 있을 프로젝트 주제 발표 및 진행 계획 발표를 위해 팀 구성 이후 5주차까지 팀원들과 자유롭게 논의해주세요.
•
강의 참가자의 경우, 토이 프로젝트에 참여하지 않지만 팀 모임 참여 팀원들의 발표 시간에는 참여할 수 있습니다.
•
6주차는 실시간 강의가 진행되지 않습니다. 팀별로 스터디 리더와 팀 미팅을 통해 프로젝트 피드백을 진행합니다.
팀 모임과 강의 참가비는 상이합니다. 선착순은 구글폼 제출순이 아닌, 입금순으로 진행됩니다.
팀 모임 참가 : 10만원
강의 참가 : 7만 원
