Review

0일차 (22.07.15)

딥러닝을 위한 라이브러리(최소) : library_for_deep_learning_shortly.ipynb

1일차 (22.07.18)

• 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

3일차 (22.07.20)

• Keras로 구현한 딥러닝 #2 : dnn_in_keras.ipynb

  • 다양한 입출력

• 분류기로서의 DNN

  • 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

• 기타 Keras

  • callback : dnn_in_keras_callback.ipynb
  • overfitting 처리 : dnn_in_keras_overfitting.ipynb
  • overfitting 처리 실습 : for_overfitting_treating.ipynb

4일차 (22.07.21)

• 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

5일차 (22.07.22)

• 전이학습

  • 영상 분류 : VGG16_classification_and_cumtom_data_training.ipynb

    • 커스텀 데이터 실습
      • flowers.zip
      • real_practice_glaucoma_classification.ipynb

  • 영상 예측 : template_image_data_transfer_learning_regression.ipynb

6일차 (22.07.25)

• 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

• 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

7일차 (22.07.26)

• 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

    • https://github.com/tzutalin/labelImg
    • https://www.makesense.ai

  • 레이블링 방법

    • 레이블링 가이드 by labelImg : yolo_labeling_guide.pdf
    • 레이블링 가이드 by makesense : yolo_labeling_guide_by_makesense.pdf

  • 물체 탐지 적용 예

    • https://drive.google.com/file/d/1ZGiJtRBG8wyI3nn8oI9iKqJC4zOitghT/view?usp=sharing
    • https://drive.google.com/file/d/1jlKzCaKj5rGRXIhwMXtYtVnx_XLauFiL/view?usp=sharing

8일차 (22.07.27)

• 웹 카메라를 사용한 영상 분류
  • 캡쳐와 실행 : webcam_classifier.ipynb
  • 모바일 폰에서 실행 : webcam_classifier_in_mobile.ipynb

9일차 (22.07.28)

• 웹 카메라를 사용한 물체 탐지
  • 캡쳐 : webcam_object_detection_capture.ipynb
  • 실행 : webcam_object_detector.ipynb

10일차 (22.07.29)

• 웹 카메라를 사용한 포즈 추출 : webcam_pose_extraction.ipynb