《실전! 텐서플로 2를 활용한 딥러닝 컴퓨터 비전》은 컴퓨터 비전과 딥러닝의 기본 원리를 시작으로 신경망을 처음부터 구축하는 방법을 알려준다. 사용하기 쉬운 케라스 인터페이스와 함께 텐서플로를 가장 널리 사용되는 AI 라이브러리로 만들어준 기능을 살펴보고 CNN을 효율적으로 구축, 훈련, 배포해 본다. 구체적인 코드 예제를 통해 Inception, Resnet 같은 최신 솔루션으로 이미지를 분류하고 YOLO(You Only Look Once), Mask R-CNN, U-Net을 사용해 특정 콘텐츠를 추출하는 방법을 보여준다. 또 이미지 생성 및 편집을 위해 GAN(Generative Adversarial Networks)과 VAE (Variational Auto-Encoder)를 구축하고 동영상 분석을 위해 LSTM을 구축한다. 그 과정에서 다른 주요 개념 중에서 전이 학습, 데이터 보강, 도메인 적응, 모바일 및 웹 배포에 관한 깊은 통찰력을 얻게 될 것이다.

[01부] 컴퓨터 비전에 적용한 텐서플로 2와 딥러닝 ▣ 01장: 컴퓨터 비전과 신경망 기술적 요구사항 컴퓨터 비전 ___컴퓨터 비전 소개 ___주요 작업 및 애플리케이션 컴퓨터 비전의 약력 ___최초 성공을 위한 첫 걸음 ___딥러닝의 출현 신경망 시작하기 ___신경망 구성하기 ___신경망 훈련시키기 요약 질문 참고 문헌 ▣ 02장: 텐서플로 기초와 모델 훈련 기술적 요구사항 텐서플로 2와 케라스 시작하기 ___텐서플로 소개 ___케라스를 사용한 간단한 컴퓨터 비전 모델 텐서플로 2와 케라스 자세히 알아보기 ___핵심 개념 ___고급 개념 텐서플로 생태계 ___텐서보드 ___텐서플로 애드온과 텐서플로 확장 ___텐서플로 라이트와 TensorFlow.js ___모델 실행 장소 요약 질문 ▣ 03장: 현대 신경망 기술 요구사항 합성곱 신경망의 발견 ___다차원 데이터를 위한 신경망 ___CNN 작업 ___유효 수용 영역 ___텐서플로로 CNN 구현하기 훈련 프로세스 개선 ___현대 네트워크 최적화 기법 ___정규화 기법 요약 질문 참고 문헌 [02부] 전통적인 인식 문제를 해결하는 최신 솔루션 ▣ 04장: 유력한 분류 도구 기술 요구사항 고급 CNN 아키텍처의 이해 ___VGG, 표준 CNN 아키텍처 ___GoogLeNet, Inception 모듈 ___ResNet – 잔차 네트워크 전이학습 활용 ___개요 ___텐서플로와 케라스로 전이학습 구현 요약 질문 참고 문헌 ▣ 05장: 객체 탐지 모델 기술 요구사항 객체 탐지 소개 ___배경 ___모델 성능 평가 빠른 객체 탐지 알고리즘 – YOLO ___YOLO 소개 ___YOLO로 추론하기 ___YOLO 훈련시키기 Faster R-CNN – 강력한 객체 탐지 모델 ___Faster R-CNN의 일반 아키텍처 ___Faster R-CNN 훈련 ___텐서플로 객체 탐지 API 요약 질문 참고 문헌 ▣ 06장: 이미지 보강 및 분할 기술 요구사항 인코더-디코더로 이미지 변환 ___인코더-디코더 소개 ___기본 예제 – 이미지 노이즈 제거 ___합성곱 인코더-디코더 의미론적 분할 이해하기 ___인코더-디코더를 사용한 객체 분할 ___더 까다로운 인스턴스 분할 요약 질문 참고 문헌 [03부] 컴퓨터 비전의 고급 개념 및 새 지평 ▣ 07장: 복합적이고 불충분한 데이터셋에서 훈련시키기 기술 요구사항 효율적인 데이터 제공 ___텐서플로 데이터 API 소개 ___입력 파이프라인 구성 ___입력 파이프라인 최적화 및 모니터링 데이터가 부족하면 어떻게 처리할까? ___데이터셋 보강 ___합성 데이터셋 렌더링하기 ___도메인 적응과 생성 모델(VAE와 GAN) 활용 요약 질문 참고 문헌 ▣ 08장: 동영상과 순환 신경망 기술 요구사항 RNN 소개 ___기본 형식 ___RNN에 대한 일반적인 이해 ___RNN 가중치 학습 ___장단기 메모리 셀 동영상 분류 ___컴퓨터 비전을 동영상에 적용하기 ___LSTM으로 동영상 분류하기 요약 질문 참고 문헌 ▣ 09장: 모델 최적화 및 모바일 기기 배포 기술 요구사항 계산 및 디스크 용량 최적화 ___추론 속도 측정하기 ___모델 추론 속도 개선하기 ___모델이 여전히 느린 경우 ___모델 크기 축소 온디바이스 머신러닝 ___온디바이스 머신러닝의 고려사항 ___실용적인 온디바이스 컴퓨터 비전 애플리케이션 예제 – 얼굴 표정 인식 ___MobileNet 소개 ___모델을 기기에 배포하기 요약 질문 ▣ [부록] 텐서플로 1.x에서 마이그레이션하기 ___자동 마이그레이션 ___텐서플로 1 코드 마이그레이션하기 참조 ___1장 컴퓨터 비전과 신경망 ___2장 텐서플로 기초와 모델 훈련 ___3장 현대 신경망 ___4장 유력한 분류 도구 ___5장 객체 탐지 모델 ___6장 이미지 보강 및 분할 ___7장 복합적이고 불충분한 데이터셋에서 훈련시키기 ___8장 동영상과 순환 신경망 ___9장 모델 최적화 및 모바일 기기 배포