한빛출판네트워크

고전 방법과 딥러닝 방법, 이론과 실습으로 균형 있게 배우는 컴퓨터 비전

규칙 기반의 고전 컴퓨터 비전부터 데이터 중심의 딥러닝 컴퓨터 비전까지 이론과 실습을 균형 있게 담았습니다. 고전 컴퓨터 비전을 지원하는 OpenCV와 딥러닝 컴퓨터 비전을 지원하는 텐서플로를 활용해 85개의 파이썬 프로그램을 구현합니다. 뛰어난 확장성으로 우수한 성능을 보이는 트랜스포머, 로봇과 연동하는 데 필수적인 3차원 비전과 생성 비전까지 소개하여 컴퓨터 비전을 학습하는 데 든든한 길잡이가 되어 줄 것입니다.

* 본 도서는 대학 강의용 교재로 개발되었으므로 연습문제 해답은 제공하지 않습니다.

※ 도서 장점

OpenCV와 텐서플로를 활용한 85개 파이썬 프로그램으로 배우는 컴퓨터 비전

① 이론과 실습으로 균형 있게 배우는 컴퓨터 비전

고전 방법과 딥러닝 방법으로 컴퓨터 비전 이론을 배우고 85개 파이썬 프로그램 실습으로 구현 방법을 직접 확인할 수 있습니다.

② 딥러닝 중심의 컴퓨터 비전 교재

딥러닝 중심으로 컴퓨터 비전을 소개하지만 영상 처리, 고전 컴퓨터 비전까지 모두 다루므로 컴퓨터 비전을 제대로 공부할 수 있습니다.

③ [온라인 부록]으로 기초 지식 다지기

파이썬 기본, 선형대수와 확률 이론 기초를 온라인 부록으로 제공하여 컴퓨터 비전을 공부하는 데 필요한 기초 지식을 빠르게 습득할 수 있습니다.

Chapter 01 인간의 시각을 흉내 내는 컴퓨터 비전

1.1 인간의 시각

1.2 왜 컴퓨터 비전인가?

1.3 컴퓨터 비전은 왜 어려운가?

1.4 컴퓨터 비전의 역사

1.5 컴퓨터 비전 체험 서비스

1.6 컴퓨터 비전 만들기

1.7 읽을거리와 볼거리

연습문제

Chapter 02 OpenCV로 시작하는 컴퓨터 비전 

2.1 OpenCV 소개

2.2 프로그래밍 킥오프

2.3 객체지향 잘 활용하기

[프로그램 2-1] numpy.ndarray 클래스 형의 객체를 만들고 멤버 함수 적용하기

2.4 [프로그래밍 예제 1] 영상을 읽고 표시하기

[프로그램 2-2] 영상 파일을 읽고 윈도우에 디스플레이하기 

2.5 [프로그래밍 예제 2] 영상 형태 변환하고 크기 축소하기

[프로그램 2-3] 영상을 명암 영상으로 변환하고 반으로 축소하기 

2.6 [프로그래밍 예제 3] 웹 캠에서 비디오 읽기

[프로그램 2-4] 웹 캠으로 비디오 획득하기 

[프로그램 2-5] 비디오에서 수집한 영상을 이어 붙이기 

2.7 [프로그래밍 예제 4] 그래픽 기능과 사용자 인터페이스 만들기

[프로그램 2-6] 영상에 도형을 그리고 글자 쓰기 

[프로그램 2-7] 마우스로 클릭한 곳에 직사각형 그리기 

[프로그램 2-8] 마우스 드래그로 직사각형 그리기 

2.8 [프로그래밍 예제 5] 페인팅 기능 만들기

[프로그램 2-9] 빨간색 붓과 파란색 붓으로 페인팅하기

연습문제

Chapter 03 영상 처리

3.1 디지털 영상 기초

[프로그램 3-1] RGB 컬러 영상을 채널별로 구분해 디스플레이하기

3.2 이진 영상

[프로그램 3-2] 실제 영상에서 히스토그램 구하기

[프로그램 3-3] 오츄 알고리즘으로 이진화하기

[프로그램 3-4] 모폴로지 연산 적용하기

3.3 점 연산

[프로그램 3-5] 감마 보정 실험하기

[프로그램 3-6] 히스토그램 평활화하기

3.4 영역 연산

[프로그램 3-7] 컨볼루션 적용(가우시안 스무딩과 엠보싱)하기

3.5 기하 연산

[프로그램 3-8] 보간을 이용해 영상의 기하 변환하기

3.6 OpenCV의 시간 효율

[프로그램 3-9] 직접 작성한 함수와 OpenCV가 제공하는 함수의 시간 비교하기

연습문제

Chapter 04 에지와 영역

4.1 에지 검출

[프로그램 4-1] 소벨 에지 검출(Sobel 함수 사용)하기

4.2 캐니 에지

[프로그램 4-2] 캐니 에지 실험하기

4.3 직선 검출

[프로그램 4-3] 에지 맵에서 경계선 찾기

[프로그램 4-4] 허프 변환을 이용해 사과 검출하기

4.4 영역 분할

[프로그램 4-5] SLIC 알고리즘으로 입력 영상을 슈퍼 화소 분할하기

[프로그램 4-6] 정규화 절단 알고리즘으로 영역 분할하기

4.5 대화식 분할

[프로그램 4-7] GrabCut을 이용해 물체 분할하기

4.6 영역 특징

[프로그램 4-8] 이진 영역의 특징을 추출하는 함수 사용하기

연습문제

Chapter 05 지역 특징

5.1 발상

5.2 이동과 회전 불변한 지역 특징

[프로그램 5-1] 해리스 특징점 검출 구현하기

5.3 스케일 불변한 지역 특징

5.4 SIFT

[프로그램 5-2] SIFT 검출

5.5 매칭

[프로그램 5-3] FLANN 라이브러리를 이용한 SIFT 매칭

5.6 호모그래피 추정

[프로그램 5-4] RANSAC을 이용해 호모그래피 추정하기

연습문제

Chapter 06 비전 에이전트

6.1 지능 에이전트로서 비전 에이전트

6.2 PyQt를 이용한 사용자 인터페이스

[프로그램 6-1] PyQt로 간단한 GUI 만들기(버튼을 클릭하면 삑 소리 들려주기)

[프로그램 6-2] OpenCV에 PyQt의 GUI 붙이기(비디오에서 프레임을 잡아 저장하기)

6.3 [비전 에이전트 1] 오림

[프로그램 6-3] GrabCut을 이용해 관심 물체 오리기

6.4 [비전 에이전트 2] 교통약자 보호구역 알림

[프로그램 6-4] 교통약자 보호구역 알림 구현하기

6.5 [비전 에이전트 3] 파노라마 영상 제작

[프로그램 6-5] 비디오에서 수집한 영상을 봉합하여 파노라마 영상 제작하기

6.6 [비전 에이전트 4] 특수 효과

[프로그램 6-6] 사진 영상에 특수 효과 처리하기

[프로그램 6-7] 비디오 영상에 특수 효과 처리하기

연습문제

Chapter 07 딥러닝 비전

7.1 방법론의 대전환

7.2 기계학습 기초

7.3 딥러닝 소프트웨어 맛보기

[프로그램 7-1] 텐서플로로 데이터 확인하기

7.4 인공 신경망의 태동

7.5 깊은 다층 퍼셉트론

7.6 학습 알고리즘

7.7 다층 퍼셉트론 구현하기

[프로그램 7-2] 다층 퍼셉트론으로 MNIST 인식하기(SGD 옵티마이저)

[프로그램 7-3] 다층 퍼셉트론으로 MNIST 인식하기(Adam 옵티마이저)

[프로그램 7-4] 다층 퍼셉트론으로 MNIST 인식하기(SGD와 Adam의 성능 그래프 비교)

[프로그램 7-5] 깊은 다층 퍼셉트론으로 MNIST 인식하기

[프로그램 7-6] 깊은 다층 퍼셉트론으로 CIFAR-10 인식하기 

7.8 [비전 에이전트 5] 우편번호 인식기 v.1

[프로그램 7-7] 우편번호 인식기 v.1(DMLP 버전) 구현하기

연습문제

Chapter 08 컨볼루션 신경망

8.1 발상과 전개

8.2 컨볼루션 신경망의 구조

8.3 컨볼루션 신경망의 학습

8.4 컨볼루션 신경망 구현

[프로그램 8-1] LeNet-5로 MNIST 인식하기

[프로그램 8-2] 컨볼루션 신경망으로 자연 영상 인식하기

8.5 [비전 에이전트 6] 우편번호 인식기 v.2

[프로그램 8-3] 필기 숫자 인식기 성능 향상하기

[프로그램 8-4] 우편번호 인식기 v.2(CNN 버전)

8.6 딥러닝의 학습 알고리즘 향상

[프로그램 8-5] 증강된 영상 확인하기

8.7 전이 학습

[프로그램 8-6] ResNet50으로 자연 영상 인식하기

[프로그램 8-7] DenseNet121로 견종 인식하기

8.8 [비전 에이전트 7] 견종 인식 프로그램

[프로그램 8-8] 견종 인식 프로그램 구현하기

연습문제

Chapter 09 인식

9.1 인식이란

9.2 분류

9.3 검출

[프로그램 9-1] YOLO v3으로 정지 영상에서 물체 검출하기

[프로그램 9-2] YOLO v3으로 비디오에서 물체 검출하기

[프로그램 9-3] YOLO v3의 비디오 처리량 측정하기

9.4 분할

[프로그램 9-4] Oxford pets 데이터셋으로 U-net 학습하기

[프로그램 9-5] pixellib 라이브러리로 정지 영상을 의미 분할하기

[프로그램 9-6] pixellib 라이브러리로 비디오를 의미 분할하기

[프로그램 9-7] pixellib 라이브러리로 정지 영상을 사례 분할하기

[프로그램 9-8] pixellib 라이브러리로 비디오를 사례 분할하기

9.5 [비전 에이전트 8] 배경을 내 맘대로 바꾸기

[프로그램 9-9] pixellib 라이브러리를 활용해 내 맘대로 배경 바꾸기

9.6 사람 인식

연습문제

Chapter 10 동적 비전

10.1 모션 분석

[프로그램 10-1] Farneback 알고리즘으로 광류 추정하기

[프로그램 10-2] KLT 추적 알고리즘으로 물체 추적하기

10.2 추적

[프로그램 10-3] SORT로 사람 추적하기

10.3 MediaPipe를 이용해 비디오에서 사람 인식

[프로그램 10-4] BlazeFace로 얼굴 검출하기

[프로그램 10-5] 비디오에서 얼굴 검출하기

[프로그램 10-6] 얼굴을 장식하는 증강 현실 구현하기

[프로그램 10-7] FaceMesh로 얼굴 그물망 검출하기

[프로그램 10-8] 손 랜드마크 검출하기

10.4 자세 추정과 행동 분류

[프로그램 10-9] BlazePose를 이용한 자세 추정하기

연습문제

Chapter 11 비전 트랜스포머

11.1 주목

11.2 순환 신경망과 주목

11.3 트랜스포머

11.4 비전 트랜스포머

[프로그램 11-1] CIFAR-10을 분류하는 비전 트랜스포머 구현하기

[프로그램 11-2] CIFAR-10을 분류하는 비전 트랜스포머: 영상 확대와 데이터 증강으로 성능 향상하기

11.5 비전 트랜스포머 프로그래밍 실습

[프로그램 11-3] 허깅페이스의 ViT를 이용해 영상 분류하기

[프로그램 11-4] 허깅페이스의 DETR을 이용해 물체 검출하기

[프로그램 11-5] 허깅페이스의 CLIP을 이용해 영상 설명하기

11.6 트랜스포머의 특성

연습문제

Chapter 12 3차원 비전

12.1 3차원 기하와 캘리브레이션

12.2 깊이 추정

12.3 RGB-D 영상 인식

12.4 점 구름 인식

[프로그램 12-1] ModelNet 데이터셋에서 점 구름을 생성하고 디스플레이하기

[프로그램 12-2] PointNet을 이용해 점 구름 영상 분류하기

연습문제

Chapter 13 생성 비전

13.1 생성 모델 기초

[프로그램 13-1] (키, 몸무게)를 생성하는 생성 모델 제작하기

[프로그램 13-2] MNIST를 가우시안 모델링하고 샘플 생성하기

[프로그램 13-3] MNIST를 GMM으로 모델링하고 샘플 생성하기

13.2 오토인코더를 이용한 생성 모델

[프로그램 13-4] MNIST를 오토인코더로 모델링하고 샘플 생성하기

[프로그램 13-5] MNIST를 변이 오토인코더로 모델링하고 샘플 생성하기

13.3 생성 적대 신경망

[프로그램 13-6] fashion MNIST를 GAN으로 모델링하고 샘플 생성하기

[프로그램 13-7] CIFAR-10 자연 영상을 GAN으로 모델링하고 샘플 생성하기

13.4 확산 모델

13.5 생성 모델의 평가

13.6 멀티 모달 생성 모델: 언어와 비전의 결합

[프로그램 13-8] Stable Diffusion으로 샘플 생성하기

13.7 생성 모델은 예술이 될 수 있을까

연습문제

참고문헌

[온라인 부록](다운로드 주소: http://www.hanbit.co.kr/src/4548)

부록 A 파이썬 프로그래밍 기초

부록 B 선형대수 기초

부록 C 확률 기초

부록 D 확산 모델 프로그래밍 실습