2006년 캐나다 토론토대학교의 Geoffrey Hinton교수와 제자 Ruslan Salakhutdinov가 《Science》지에 Deep Belief Networks에 과한 논문을 발표한 이래로 학계와 산업계의 인공지능 기술 개발 관련 투자가 대규모로 이루어지면서 딥러닝(Deep Learning)은 우리 실생활에 밀접하게 다가오고 있다. 특히 영상 분야에 대한 머신러닝, 딥러닝의 활용은 간단한 사진 촬영에서부터 여러 대의 CCTV에서 범죄자를 찾는 수준까지 발전을 하고 있다.
본서에서는 다양한 프로젝트에 적용되며 많은 프로그래머에게 사랑받아 왔으며 최근 인공지능 관련 라이브러리들과 함께 사용되며 인기가 급증하고 있는 파이썬 언어를 소개하고 파이썬을 기반하여 영상 처리, 머신러닝, 딥러닝을 이야기하고자 한다. I 장은 파이썬 언어 설치, 통합 개발 환경인 Pycharm 설치와 OpenCV 설치 및 연동으로 본 단원은 구성되었으며 사전에 프로그래밍 언어에 대한 지식이 없더라도 파이썬 언어를 익히기에 무리가 없음으로 예제를 하나씩 따라 실행해 보면 손쉽게 프로그래밍 지식이 쌓일 것이다. Ⅱ장에서는 일반적으로 많이 다루는 이진 및 그레이 영상, 컬러 영상에 대하여 알아보고, 기본적인 영상 처리 방법들을 다룬다. 영상 처리 기법의 개념적인 이론과 원리를 설명함으로써, 여기서 다루지 않는 기법들에 대해서도 이해할 수 있는 기초를 다지도록 하였다. OpenCV에서 제공하는 함수를 기반으로 최소한의 프로그래밍으로 구현된 관련 예제들을 다루었으며, 이를 통하여 영상 처리를 위한 프로그래밍 기초를 다질 수 있을 것이다. Ⅲ장에서는 영상에서 원하는 대상을 찾기 위한 기초적인 접근법과 이를 활용한 응용 기술들을 설명하여, 머신러닝을 다양하게 활용할 수 있는 기초를 쌓을 수 있도록 하였다. OpenCV에서 제공하는 함수를 기반으로 유용한 예제를 다루어 독자들이 흥미를 가질 수 있도록 하였다. 또한, 예제 코드에 대한 이해를 돕기 위하여, 본문에서 코드에 대한 전반적인 설명을 하였다. Ⅳ장에서는 인공지능과 딥러닝의 관계를 알아보고, 딥러닝을 이해하기 위해 필요한 인공 신경망에 대한 기초적인 개념과 이를 학습시키는 방법을 설명하였다. 손글씨 인식에 예제를 통하여, 인공 신경망을 학습시키고 추론하기 위한 프로그래밍을 다루었으며, 이 예제를 활용하여 다양한 응용에 적용해 볼 수 있을 것이다.

책 한 권을 쓰는 것이 머릿속의 구상과 자료만 있으면 금방 이루어질 줄 알았는데 얼마나 힘이 드는가를 새삼 느낀다. 여전히 부족한 책이지만 이젠 출판하며 미비점은 후판에 반영하기로 한다. 마지막으로 필자를 끝까지 믿고, 집필이 완성되기까지 기다려준 광문각의 박정태 회장님을 비롯한 많은 관계자 여러분께 깊은 감사의 뜻을 전한다.

그리고 저자들은 머신러닝과 딥러닝이 인공지능 기술의 확산을 통해 새로운 산업혁명을 일으킬 것이라 믿으며 여러분이 이 책을 시작으로 딥러닝 기술을 익히고 정보 혁명의 중심에 서시길 진심으로 희망한다.

[목 차]

I. 파이썬과 OpenCV 기초

　1. 파이썬 기초
　　1.1 파이썬 개요
　　1.2 파이썬 설치
　　1.3 PyCharm 설치

　2. 파이썬 변수, 문자열
　　2.1 변수
　　2.2 문자열, 리스트

　3. 조건문, 반복문
　　3.1 if(조건문)
　　3.2 while(반복문)
　　3.3 for(반복문)

　4. 함수
　　4.1 함수 기초
　　4.2 지역변수와 전역변수
　　4.3 함수 응용
　　4.4 리스트 포인터, 딕셔너리 포인터

　5. 리스트, 튜플, 딕셔너리
　　5.1 리스트
　　5.2 튜플
　　5.3 딕셔너리

　6. 클래스
　　6.1 객체(Object)
　　6.2 클래스(Class)
　　6.3 클래스의 상속(Class inheritance)
　　6.4 프라퍼티(Property) 활용

　7. 파일 입출력
　　7.1 파일
　　7.2 파일 입출력
　　7.3 피클링(Picking)과 언피클링(Unpickling)

　8. 소켓 프로그래밍
　　8.1 소켓(Socket)

　9. OpenCV 기초
　　9.1 OpenCV 개요
　　9.2 OpenCV 설치
　　9.3 OpenCV 응용 프로젝트 만들기
　　9.4 OpenCV 기본 자료형

　10. OpenCV 응용
　　10.1 동영상 파일 활용하기
　　10.2 마우스 이벤트 활용하기
　　10.3 카메라 영상에 시간 출력
　　10.4 TrackBar 예제
　　10.5 아날로그 시계 예제
　　10.6 자유 낙하 운동
　　10.7 포물선 운동
　　10.8 피보나치 수열 그래픽


II. 컴퓨터 비전

　1. 영상 종류
　　1.1 이진 및 그레이 영상
　　1.2 컬러 영상

　2. 영상 처리 기본 연산
　　2.1 산술 및 논리 연산
　　2.2 영상 밝기 조절
　　2.3 영상 명암비 조절

　3. 히스토그램 분석
　　3.1 히스토그램 계산
　　3.2 히스토그램 평활화
　　3.3 히스토그램 역투영

　4. 필터링
　　4.1 블러링
　　4.2 샤프닝
　　4.3 미디언 필터링

　5. 기하학 변환
　　5.1 이동 및 크기 변환
　　5.2 회전 변환
　　5.3 투시 변환
　　5.4 모폴로지 연산

　6. 에지 검출
　　6.1 미분 연산 기반의 에지 검출
　　6.2 케니 에지
　　6.3 허프 변환 직선 및 원 검출


III. 머신러닝

　1. 객체 검출
　　1.1 템플릿 매칭
　　1.2 코너점 검출
　　1.3 하라이크 특징
　　1.4 HOG 특징
　　1.5 LBP 특징

　2. 특징 추출 및 기술자
　　2.1 특징 및 기술자
　　2.2 OpenCV의 특징 및 기술자
　　2.3 특징점 매칭

　3. 영상 분할 및 합성
　　3.1 전경-배경 분할
　　3.2 영역 군집화(k-means clustering)
　　3.3 영상 합성과 스티칭

　4. 비디오 분석
　　4.1 광류
　　4.2 객체 추적


IV. 딥러닝

　1. 인공지능과 딥러닝
　　1.1 인공지능과 딥러닝
　　1.2 딥러닝 작동 원리

　2. 딥러닝 학습
　　2.1 네트워크 구조와 주요 성분
　　2.2 네트워크 동작 및 설계 방안
　　2.3 네트워크 학습

　3. 대표적 네트워크
　　3.1 합성곱 신경망(CNN)
　　3.2 순환 신경망(RNN)
　　3.3 생성적 적대 신경망(GAN)

　4. 딥러닝 활용
　　4.1 Colab(Colaboratory)
　　4.2 케라스(Keras)
　　4.3 학습 및 평가 데이터 지원
　　4.4 실제 활용 예제