SSD & YOLO 영상처리 성능 최적화 과정

홈으로교육과정AI 아카데미딥러닝

일수/시간 3일 / 24시간 (09:00~18:00) 강사 한컴아카데미 전문강사
과정매니저  이희준 (031-622-7779)
교육비 990,000원 (VAT포함)   예상환급액
선수과정 텐서플로우 딥러닝
후속과정 딥러닝 스마트 크루즈 컨트롤 시스템 개발
실습장비 NVIDIA Jetson TX2, usb camera, GPU 딥러닝 서버
정원 15명
전체 교육일정
교육일정 신청마감일 수강신청 교육장소
2022.01.17(월) ~ 2022.01.19(수) 2021.12.29(수) 신청마감 교육장소 신설동(서울강북)교육센터
2022.06.13(월) ~ 2022.06.15(수) 2022.06.09(목) 신청하기 교육장소 분당교육센터
2022.07.25(월) ~ 2022.07.27(수) 2022.07.21(목) 신청하기 교육장소 분당교육센터
2022.08.29(월) ~ 2022.09.01(목) 2022.08.25(목) 신청하기 교육장소 분당교육센터
2022.10.04(화) ~ 2022.10.06(목) 2022.09.29(목) 신청하기 교육장소 분당교육센터
2022.11.07(월) ~ 2022.11.09(수) 2022.11.03(목) 신청하기 교육장소 분당교육센터
과정개요

연구와 상용 제품 개발 프로젝트에서 카메라 영상을 임베디드 장치에서 딥러닝 기반 영상처리를 실시간으로 처리하고자 한다면 Yolo 나 SSD 를 이용하게 됩니다. 본 과정에서는 이때 정확도 성능이라는 두가지 목표를 위해 효율적인 네트워크 트레이닝 과정과 NVIDIA Jetson 보드에서 TensorRT, Deep Stream 이라는 최적의 Optimization SDK 를 이용하는 성능 최적화 기법을 학습 및 실습합니다.



GPU 딥러닝 서버, NVIDIA Jetson TX2, USB Camera (1인 1대)
* Slack Q & A 운영, Xavier, Nano TensorRT, Deep Stream 데모
* 수업 중 필요 시 Jetson Nano 제공하여 실습 가능




특이사항

사업주훈련
* 본 과정은 사업주 훈련으로 수강시 사업주는 정부지원금을 제외한 자비부담금만 납부하고,
정부지원금은 한컴아카데미가 정부로부터 직접 지원받습니다.
* 구로교육센터에서는 사업주훈련 지원이 불가합니다.



구분

우선지원대상기업

(중소기업)

대기업

1,000명 미만

1,000명 이상

정부지원금

168,090원

115,360원

80,210원

자비부담금

(VAT포함)

805,101원

764,756원

799,541원

* 자비부담금 = (수강료 900,000 - 정부지원금) + 부가세



교육목적

- Yolo 와 SSD 기반 영상 데이터의 Object Detection 네트워크를 훈련하여 정확도를 향상시키도록 합니다.

- NVIDIA Jetson TX 에서 최적화된 딥러닝 영상처리 기법을 학습하고 실전에 사용할 수 있도록 합니다.

교육대상

- 딥러닝 영상처리를 개발하고 최적화 하는 프로젝트를 NVIDIA 환경에서 진행중이거나 계획하는 개발자, 연구원.

교육내용

구분

목차세부내용
1일차

- 딥러닝 영상처리 성능 최적화와

Tensorflow SSD

- 딥러닝 영상처리 성능 최적화 프로젝트 개요

- 딥러닝 Object Detection 이론과 소스 구조 설명

- Fast RCNN / Yolo / SSD

- SSD Inception 소개 및 환경설정

- Coco Dataset -> tfrecord 생성 변환 실습

- SSD Inception v2 트레이닝 및 TensorBoard 모니터링



2일차

- Yolo Darknet 과 OpenCV

- DarkNet, Yolo v3 소개 및 환경설정

- yolo 구조 및 darknet 데이터셋 구조

- Yolo v3 -tiny Object Detection 트레이닝 & 테스트

- Open CV 로 이미지 파일 / 영상 파일 보기 실습

- Jetson 보드 실습과 성능 향상



3일차

- Jetson TX2 기반 성능 최적화

: TensorRT, Deep Stream

- NVIDIA Cuda & TensorRT 를 이용한 최적화 기법

- SSD 모델 Export와 UFF 변환

- UFF TensorRT 테스팅

- NVIDIA Jetson inference 프로그래밍 (C++)

- TensorRT, Deep Stream 을 이용한 전체 프로세스 성능

최적화

- KF Object Tracking 등 상황인지 활용 방안





첨부파일

[과정소개서]_SSD & YOLO 영상처리 성능 최적화 과정.pdf

페이스북트위터구글즐겨찾기이메일

확인