이미지 처리 바이블
파이썬, OpenCV, 텐서플로로 배우는 이미지 처리와 컴퓨터 비전의 모든 것!
$53.13
SKU
9791140709397
[Free shipping over $100]
Standard Shipping estimated by Thu 12/5 - Wed 12/11 (주문일로부 10-14 영업일)
Express Shipping estimated by Mon 12/2 - Wed 12/4 (주문일로부 7-9 영업일)
* 안내되는 배송 완료 예상일은 유통사/배송사의 상황에 따라 예고 없이 변동될 수 있습니다.
| Publication Date | 2024/04/30 |
| Pages/Weight/Size | 183*235*23mm |
| ISBN | 9791140709397 |
| Categories | IT 모바일 > OS/데이터베이스 |
Description
파이썬, OpenCV, 텐서플로로 배우는 이미지 처리와 컴퓨터 비전!
핵심 이론부터 최신 논문 리뷰, 실제 적용법 및 실용적인 코드까지!
스마트폰의 카메라 앱부터 자율 주행 차량, 그리고 최근 발표한 OpenAI의 동영상 생성 서비스인 Sora까지, 이미지 처리와 컴퓨터 비전 기술은 이미 우리 생활에 깊숙이 자리잡고 있다. 이 책은 이미지 처리의 기본적인 개념부터 시작하여 고급 컴퓨터 비전 기술, 인공지능을 이용한 이미지 분석까지 광범위한 주제를 다룬다. 각 장은 이론 설명과 함께 실제 사례 연구 및 파이썬, OpenCV, 텐서플로를 활용한 실용적인 코드로 학습할 수 있도록 구성했다. 또한, 마지막에는 건설 현장과 의료 분야에서 어떻게 이미지 처리를 활용하고 있는지, 실전 프로젝트로 살펴볼 수 있다. 이미지 처리와 컴퓨터 비전의 기초부터 최신 기술까지 폭넓은 지식을 학습하고자 하는 분들께 추천한다.
핵심 이론부터 최신 논문 리뷰, 실제 적용법 및 실용적인 코드까지!
스마트폰의 카메라 앱부터 자율 주행 차량, 그리고 최근 발표한 OpenAI의 동영상 생성 서비스인 Sora까지, 이미지 처리와 컴퓨터 비전 기술은 이미 우리 생활에 깊숙이 자리잡고 있다. 이 책은 이미지 처리의 기본적인 개념부터 시작하여 고급 컴퓨터 비전 기술, 인공지능을 이용한 이미지 분석까지 광범위한 주제를 다룬다. 각 장은 이론 설명과 함께 실제 사례 연구 및 파이썬, OpenCV, 텐서플로를 활용한 실용적인 코드로 학습할 수 있도록 구성했다. 또한, 마지막에는 건설 현장과 의료 분야에서 어떻게 이미지 처리를 활용하고 있는지, 실전 프로젝트로 살펴볼 수 있다. 이미지 처리와 컴퓨터 비전의 기초부터 최신 기술까지 폭넓은 지식을 학습하고자 하는 분들께 추천한다.
Contents
1장. 기본 개념과 도구
1.1 이미지 처리와 컴퓨터 비전
__1.1.1 이미지 처리란?
__1.1.2 컴퓨터 비전이란?
__1.1.3 이미지 처리와 컴퓨터 비전의 연관성
1.2 필요한 도구들
__1.2.1 파이썬 핵심 문법
__1.2.2 OpenCV
__1.2.3 텐서플로
2장. 이미지 처리 기초
2.1 이미지란?
__2.1.1 디지털 이미지의 구조
__2.1.2 색 공간 이해하기
__2.1.3 이미지에서의 텐서 이해하기
2.2 이미지 처리 기법
__2.2.1 이미지 필터링
__2.2.2 이미지 변환
__2.2.3 주파수 도메인 기법
__2.2.4 이미지 경계 검출
3장. 인공지능과 이미지 처리
3.1 딥러닝이란?
__3.1.1 인공 신경망 기초
__3.1.2 합성곱 신경망(CNN)
__3.1.3 생성적 적대 신경망(GAN)
3.2 딥러닝을 활용한 이미지 처리
__3.2.1 이미지 분류
__3.2.2 객체 인식
__3.2.3 스타일 전이
4장. 이미지 분류
4.1 구글넷과 레즈넷
__4.1.1 초기 신경망 모델
__4.1.2 구글넷
__4.1.3 레즈넷
4.2 최적화된 모델 살펴보기
__4.2.1 레즈넷 이후의 모델들
__4.2.2 이피션트넷
4.3 비전 트랜스포머
__4.3.1 트랜스포머
__4.3.2 비전 트랜스포머
5장. 객체 탐지
5.1 two-stage detector
__5.1.1 R-CNN
__5.1.2 Fast R-CNN과 Faster R-CNN
5.2 one-stage detector
__5.2.1 YOLO
__5.2.2 YOLO9000과 YOLO v3
__5.2.3 EfficientDET
5.3 이미지 분할
__5.3.1 FCN
__5.3.2 U-Net
__5.3.3 SAM
6장. 이미지 생성
6.1 이미지-이미지 변환
__6.1.1 StarGAN 이전의 생성 모델
__6.1.2 StarGAN과 다중 이미지-이미지 변환
6.2 초고해상도와 스타일 제어
__6.2.1 PGGAN
__6.2.2 StyleGAN
6.3 스테이블 디퓨전
__6.3.1 디퓨전 모델
__6.3.2 스테이블 디퓨전
7장. 실제 사례 및 프로젝트
7.1 건설 현장에서 활용하는 사례와 프로젝트
__7.1.1 건설 현장에서 이미지 처리 활용
__7.1.2 건설 현장에서의 이미지 분할 활용
7.2 의료 분야에서 활용하는 사례와 프로젝트
__7.2.1 합성곱 신경망을 활용한 엑스레이 영상 분류 모델
__7.2.2 분류 작업에서의 다양한 평가지표
__7.2.3 의료 인공지능과 설명 가능성
부록 A. 코랩 사용하기
A.1 구글 코랩 사용법
__A.1.1 코랩 시작하기
__A.1.2 코랩의 기본 사용법
__A.1.3 코랩과 깃허브 연동 방법
1.1 이미지 처리와 컴퓨터 비전
__1.1.1 이미지 처리란?
__1.1.2 컴퓨터 비전이란?
__1.1.3 이미지 처리와 컴퓨터 비전의 연관성
1.2 필요한 도구들
__1.2.1 파이썬 핵심 문법
__1.2.2 OpenCV
__1.2.3 텐서플로
2장. 이미지 처리 기초
2.1 이미지란?
__2.1.1 디지털 이미지의 구조
__2.1.2 색 공간 이해하기
__2.1.3 이미지에서의 텐서 이해하기
2.2 이미지 처리 기법
__2.2.1 이미지 필터링
__2.2.2 이미지 변환
__2.2.3 주파수 도메인 기법
__2.2.4 이미지 경계 검출
3장. 인공지능과 이미지 처리
3.1 딥러닝이란?
__3.1.1 인공 신경망 기초
__3.1.2 합성곱 신경망(CNN)
__3.1.3 생성적 적대 신경망(GAN)
3.2 딥러닝을 활용한 이미지 처리
__3.2.1 이미지 분류
__3.2.2 객체 인식
__3.2.3 스타일 전이
4장. 이미지 분류
4.1 구글넷과 레즈넷
__4.1.1 초기 신경망 모델
__4.1.2 구글넷
__4.1.3 레즈넷
4.2 최적화된 모델 살펴보기
__4.2.1 레즈넷 이후의 모델들
__4.2.2 이피션트넷
4.3 비전 트랜스포머
__4.3.1 트랜스포머
__4.3.2 비전 트랜스포머
5장. 객체 탐지
5.1 two-stage detector
__5.1.1 R-CNN
__5.1.2 Fast R-CNN과 Faster R-CNN
5.2 one-stage detector
__5.2.1 YOLO
__5.2.2 YOLO9000과 YOLO v3
__5.2.3 EfficientDET
5.3 이미지 분할
__5.3.1 FCN
__5.3.2 U-Net
__5.3.3 SAM
6장. 이미지 생성
6.1 이미지-이미지 변환
__6.1.1 StarGAN 이전의 생성 모델
__6.1.2 StarGAN과 다중 이미지-이미지 변환
6.2 초고해상도와 스타일 제어
__6.2.1 PGGAN
__6.2.2 StyleGAN
6.3 스테이블 디퓨전
__6.3.1 디퓨전 모델
__6.3.2 스테이블 디퓨전
7장. 실제 사례 및 프로젝트
7.1 건설 현장에서 활용하는 사례와 프로젝트
__7.1.1 건설 현장에서 이미지 처리 활용
__7.1.2 건설 현장에서의 이미지 분할 활용
7.2 의료 분야에서 활용하는 사례와 프로젝트
__7.2.1 합성곱 신경망을 활용한 엑스레이 영상 분류 모델
__7.2.2 분류 작업에서의 다양한 평가지표
__7.2.3 의료 인공지능과 설명 가능성
부록 A. 코랩 사용하기
A.1 구글 코랩 사용법
__A.1.1 코랩 시작하기
__A.1.2 코랩의 기본 사용법
__A.1.3 코랩과 깃허브 연동 방법