플러스프로젝트 배경
1) 문제점 본 프로젝트는 특정 비즈니스 문제점 해결보다는 딥러닝 기술의 실질적인 구현 및 학습 경험 부족이라는 개인적/기술적 필요성에서 출발했습니다. 고성능 하드웨어 플랫폼을 활용한 딥러닝 모델의 훈련 및 테스트 과정에 대한 이해와 숙련도를 높이는 것이 중요했습니다. 2) 프로젝트 목표 • NVIDIA 플랫폼의 고성능 GPU를 활용하여 딥러닝 모델을 효과적으로 훈련하고 테스트하는 역량 확보. • 객체
프로젝트 성과
객체 탐지(Object Detection) 기능 구현 완료
NVIDIA 플랫폼의 고성능 GPU를 활용하여 딥러닝 모델 학습을 통해 객체를 정확하게 탐지하는 기능을 성공적으로 구현했습니다.
이미지 분할(Segmentation) 기능 성공적 구현
NVIDIA 플랫폼에서 딥러닝 모델을 학습시켜 이미지를 픽셀 단위로 정밀하게 분할하는 기능을 구현함으로써, 컴퓨터 비전 애플리케이션의 핵심 역량을 확보했습니다.
고성능 딥러닝 서버 환경 구축 및 활용 역량 확보
NVIDIA DRIVE PX2, Jetson TX1/TX2 및 TITANX 6개 장착 딥러닝 서버 등 실제 고성능 GPU 하드웨어를 활용하여 대규모 딥러닝 모델을 효율적으로 훈련하고 테스트하는 경험을 축적했습니다.
딥러닝 모델 개발 전 과정 숙달
NVIDIA Digits를 사용하여 데이터셋 구성부터 모델 훈련, 모델 관리, 최종 테스트에 이르는 딥러닝 모델 개발의 전체 생애 주기를 체계적으로 수행하며 실무 역량을 강화했습니다.
최신 CNN 아키텍처 및 TensorFlow 활용 능력 확보
AlexNet, GoogleNet과 같은 주요 CNN 아키텍처와 TensorFlow(Python) 라이브러리를 직접 사용하여 딥러닝 모델을 설계하고 구현함으로써, 최신 딥러닝 기술 적용 능력을 입증했습니다.
핵심 기능
객체 탐지(Object Detection) 기능 구현
NVIDIA 플랫폼의 고성능 GPU를 활용한 딥러닝 모델 학습을 통해 이미지 내 객체를 자동으로 탐지하는 기능을 성공적으로 구현했습니다.
진행 단계
데이터셋 구성
2017.12.
NVIDIA Digits를 활용하여 딥러닝 모델 학습에 필요한 데이터셋을 구성하고 준비하는 단계를 수행했습니다.
프로젝트 상세
1) 포트폴리오 소개: 본 프로젝트는 AI 및 딥러닝 카테고리에 속하며, 고성능 GPU 기반 딥러닝 모델 학습을 통해 객체 탐지(Object Detection)와 이미지 분할(Segmentation) 기능을 구현하는 데 중점을 두었습니다. 딥러닝 모델의 훈련(Training) 및 테스트(Test) 과정을 수행하며 AI 모델 개발 및 성능 최적화를 목표로 한 프로젝트입니다. 2) 작업 범위 본 프로젝트는 N
