[러닛] <딥러닝을 활용한 실시간 영상처리> 모집
소개
본 스터디에서는 실시간 영상처리를 AI에 적용할 경우 가장 많이 사용되는 CNN(Convolution Neural Network)부터 주가예측과 같이 시간의 흐름에 따른 분석을 할 때 많이 사용되는 RNN(Recurrent Neural Network), 비지도 학습 방법으로 학습된 패턴을 이용해 이미지 및 음성 복원에 사용되는 GAN(Generative Adversarial Network) 등을 학습합니다.
단순히 신경망 이론을 학습하는 것에서 그치는 것이 아니라 빠르게 변화하는 딥러닝 영상처리 분야를 이해하기 위해서, 다양한 분야에 적용된 최신 딥러닝 영상처리 관련 논문들을 Tensorflow 등을 사용하여 직접 구현하는 실습을 진행합니다.
- Gao Huang, Zhuang Liu, Laurens van der Maaten. (2018). Densely Connected Convolutional Networks.
- Jun-Yan Zhu, Taesung Park, Phillip Isola, et al. (2018). Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks.
- Joseph Redmon, Santosh Divvala, Ross Girshick, et al. (2016). You Only Look Once:Unified, Real-Time Object Detection.
- Wei Liu, Dragomir Anguelov, Dumitru Erhan, et al. (2016). SSD: Single Shot MultiBox Detector.
- Jonathan Long, Evan Shelhamer, Trevor Darrell. (2015). Fully Convolutional Networks for Semantic Segmentation.
- Bolei Zhou, Aditya Khosla, Agata Lapedriza. (2015). Learning Deep Features for Discriminative Localization.
- Ian J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza, et al. (2014). Generative Adversarial Nets.
참가대상
가장 기본적인 딥러닝 모델인 CNN, RNN 등을 흥미로운 영상처리 실습을 통해서 학습하세요. 일상생활에서 흔히 구할 수 있는 이미지들을 통해 실제 딥러닝 기술을 빠르고 쉽고 재밌게 배울 수 있습니다.
✔ 머신러닝/딥러닝 이론은 알고 있고, 구현에 관심이 많은 분
평소에 관심이 많아서 머신러닝/딥러닝 이론에 대해서는 학습을 했지만, 실제로 구현하는 데에는 어려움을 겪는 분들. 실제 인공지능 스타트업에서 영상처리 기술로 인공지능을 개발하고 있는 리더님과 함께 최신 논문 리뷰를 통해서 앞으로도 혼자서 구현할 수 있는 힘을 기르세요.
✔ 영상처리를 활용하는 개발자
현재 영상처리를 이용해 개발을 진행하고 있지만, 현재의 영상처리만으로는 성능의 한계를 느끼시는 분들. 본 스터디에서 다양한 분야에서 딥러닝을 활용하고자 하는 스터디멤버들과 함께 실습하며, 본인의 영상처리 기술을 확장하세요 :)
