딥러닝을 위한 라이브러리(최소) : library_for_deep_learning_shortly.ipynb
-
인공지능 개념 및 동작 원리의 이해 : deep_learning_intro.pptx
- Perceptron, MLP, DNN 소개
- DNN의 학습 이해
- AI, 머신러닝, 딥러닝의 이해
- 딥러닝 상세 기술 이해
-
흥미로운 딥러닝 결과 : some_interesting_deep_learning.pptx
## 2일차 (22.07.19)
-
환경
- colab 사용법
- python 아주 살짝
- 기본 linux 명령어 : linux.md
-
Keras로 구현한 딥러닝 #1 : dnn_in_keras.ipynb
- 표준 Keras 딥러닝 코드
- 로스 보기
- 은닉층과 노드 수
- trian, test 데이터 분리
- batch size와 학습
- 데이터 수와 학습
- 모델 저장과 로딩
- 학습되지 않는 랜덤 함수
- Optimizer
-
Keras로 구현한 딥러닝 #2 : dnn_in_keras.ipynb
- 다양한 입출력
-
분류기로서의 DNN
- 속성 데이터 IRIS 분류 실습 : dnn_iris_classification.ipynb
- 속성 데이터 IRIS 분류 실습 : dnn_iris_classification.ipynb
-
영상 데이터의 이해 : deep_learning_intro.pptx
-
영상 분류기로서의 DNN
- 흑백 영상 데이터 MNIST 분류 실습 : dnn_mnist.ipynb
- 흑백 영상 fashion MNIST 분류 : dnn_fashion_mnist.ipynb
- 흑백 영상 데이터 MNIST 분류 실습 : dnn_mnist.ipynb
-
기타 Keras
- callback : dnn_in_keras_callback.ipynb
- overfitting 처리 : dnn_in_keras_overfitting.ipynb
- overfitting 처리 실습 : for_overfitting_treating.ipynb
- callback : dnn_in_keras_callback.ipynb
-
영상 분류기로서의 CNN
- CNN의 이해 : deep_learning_intro.pptx
- 흑백 영상 데이터 MNIST 영상분류 : cnn_mnist.ipynb
- CIFAR10 컬러영상분류 : cnn_cifar10.ipynb
-
영상 예측 CNN : template_image_data_vanilla_cnn_regression.ipynb
-
데이터 증강 : data_augmentation.ipynb
- 전이학습
-
Keras Functional API : functional_api.ipynb
-
AutoEncoder
- AutoEncoder 실습 : autoencoder.ipynb
- 디노이징 AutoEncoder : denoising_autoencoder.ipynb
- Super Resolution : mnist_super_resolution.ipynb
- inpainting : inpainting_autoencoder.ipynb
- 이상탐지
- mnist : anomaly_detection_using_autoencoder.ipynb
- fashion mnist : anomaly_detection_fahsion_mnist.ipynb
- mnist : anomaly_detection_using_autoencoder.ipynb
- AutoEncoder 실습 : autoencoder.ipynb
-
영상 분할(Segementation)
- U-Net을 사용한 영상 분할 실습 : unet_segementation.ipynb
- M-Net을 사용한 영상 분할 실습 : mnet_segementation.ipynb
- U-Net을 사용한 컬러 영상 분할 실습 : unet_segementation_color_image.ipynb
- 실습 자료 : MRI_images.zip
- U-Net을 사용한 영상 분할 실습 : unet_segementation.ipynb
- 물체 탐지
-
YOLO 설명 자료 : https://docs.google.com/presentation/d/1aeRvtKG21KHdD5lg6Hgyhx5rPq_ZOsGjG5rJ1HP7BbA/edit
-
darknet으로 물체 탐지 : object_detection_yolo_darknet.ipynb
-
keras로 물체 탐지 : keras_yolov3.ipynb
-
커스텀 데이터
- raccon 데이터 : Raccoon.zip
- 랩탑 데이터 : https://github.com/dhrim/deep_learning_data/blob/master/laptops.zip
- raccoon 데이터 학습 : train_yolov3_raccoon_train.ipynb
- raccon 데이터 탐지 실행 : keras_yolov3_custom_model.ipynb
- 얼굴 탐지 : face_recognition_with_2_models.ipynb
-
레이블링 툴
-
레이블링 방법
- 레이블링 가이드 by labelImg : yolo_labeling_guide.pdf
- 레이블링 가이드 by makesense : yolo_labeling_guide_by_makesense.pdf
-
물체 탐지 적용 예
-
- 웹 카메라를 사용한 영상 분류
- 캡쳐와 실행 : webcam_classifier.ipynb
- 모바일 폰에서 실행 : webcam_classifier_in_mobile.ipynb
- 캡쳐와 실행 : webcam_classifier.ipynb
- 웹 카메라를 사용한 물체 탐지
- 웹 카메라를 사용한 포즈 추출 : webcam_pose_extraction.ipynb