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