교육 목표 | 정성적 목표 | ㅇ 딥러닝기반 컴퓨터비전 기본 개념을 이해하고, Nvidia Jetson을 활용한 실습을 통한 실무 응용 ㅇ 최신 DNN 기반 이미지/영상 관련 신경망 개발 및 영상처리 알고리즘 융합기술 개발 |
정량적 목표 | ㅇ 수료 : 25명 |
교육 대상 | □재직자 | ■미취업자 | ■전공자 | □비전공자 |
일정 및 기간 | 2025. 07. 07. ~ 08. 29. / 20일 | 교육 시간 | 총 160H |
교육 수준 | 중급 | 교육 구분 | AI/SW | 필요 역량 | 기술활용, 분석력 등 |
구분 | 내용 | 교육방법 | 시간 | 비고 |
1장 | ㅇ 딥러닝과 컴퓨터비전 기초 | 온/오프라인 | 40H | |
2장 | ㅇ Nvidia Jetson을 활용한 컴퓨터비전 실습 | 온/오프라인 | 40H | |
3장 | ㅇ 딥러닝 기반 영상처리 실전 실습 | 온/오프라인 | 40H | |
4장 | ㅇ 딥러닝 및 영상코덱 융합 실습 | 온/오프라인 | 40H | |
계 | | | 160H | |
|
구분 | 세부 교육내용 | 시수 |
딥러닝과 컴퓨터비전 기초 | ㅇ 딥러닝과 신경망 기초 ㅇ 컴퓨터비전 기본 원리 ㅇ 합성곱 신경망(CNN) ㅇ 전이학습과 미세 조정 ㅇ 딥러닝을 이용한 이미지 분류 실습 ㅇ 모델 성능 평가 및 최적화 기법 | 40H |
Nvidia Jetson을 활용한 컴퓨터비전 실습 | ㅇ Nvidia Jetson 개요 및 설정 ㅇ Nvidia Jetson을 이용한 실시간 객체 검출 ㅇ 딥러닝 모델의 Nvidia Jetson 최적화 ㅇ Nvidia Jetson을 이용한 이미지 분할 ㅇ Nvidia Jetson 응용 프로젝트 ㅇ 프로젝트 평가 및 피드백 | 40H |
최신 딥러닝 기법을 이용한 영상처리 기법 실습 | ㅇ 이미지 초해상화 기법 실습 ㅇ 비디오 초해상화 기법 실습 ㅇ 이미지 품질 개선 기법 실습 ㅇ 객체 탐지 기법 실습 ㅇ 이미지 분할 기법 실습 | 40H |
신경망과 영상처리(영상압축) 융합알고리즘 실습 | ㅇ 영상 압축 알고리즘 기초 및 표준 성능 평가 방법 ㅇ VVC 참조 소프트웨어 기반 영상 압축 실습 ㅇ 공간적/시간적 보간을 위한 딥러닝 모델 설계 실습 ㅇ 딥러닝 기반 영상 압축 코덱 설계 실습 ㅇ 코덱 성능 평가 및 피드백 | 40H |
