[딥러닝] 섹션6-2: CRAFT, EAST 실습 진행

※ 본 포스팅은 인프런 “차량 번호판 인식 프로젝트와 TensorFlow로 배우는 딥러닝 영상인식 올인원” 을 참고하여 작성하였습니다.

✅ 실전 프로젝트 진행 방법 소개

• 딥러닝 학습의 5단계
  • 머신러닝/딥러닝의 기본 원리와 ANN, CNN, RNN, LSTM 등의 기초 모델을 학습하는 단계
  • TensorFlow/PyTorch 와 같은 머신러닝 라이브러리를 통해서 머신러닝 알고리즘을 구현하는 방법을 학습하는 단계
  • Toy Project 를 통해 응용 능력을 기르는 단계
  • 최신 논문을 읽고 직접 구현하는 단계
  • 최신 논문을 적용한 실무 프로젝트를 진행하는 단계
• 딥러닝을 이용한 실무 프로젝트 진행 방법
  • 데이터 수집
    • 공개 Dataset 정제
    • 직접 Labelling / 외주를 이용한 Labelling
  • 딥러닝 모델 구현
    • 논문 공개 구현체 사용
    • 직접 구현(by TensorFlow or PyTorch)
  • 딥러닝 모델 학습
    • 처음부터 학습(Learning from scratch)
    • Transfer Learning(Fine-Tuning)
  • 딥러닝 모델 배포
    • Local Prediction
    • Server-Client(직접 구성)
    • Server-Client(외부 플랫폼 사용- e.g. GCP AI Platform)
• 실전 프로젝트 진행 방법
  • 다양한 최신 딥러닝 모델들을 다양한 Custom Dataset 에 학습해보는 방법을 실습
  • 실전 프로젝트를 통한 응용 능력 배양

✅ 실습 진행 방식 소개

• 최신 논문 공개 구현체를 찾는 방법
  • State-of-the-Art(SOTA): 현재 시점에서 전세계에서 해당 문제 영역에서 가장 좋은 성능을 보여주는 모델
  • Papers with Code
• 최신 프로젝트 진행을 위해 필요한 능력
  • 기본적인 Python Programming 능력(변수 설정, if 문, for 문, 함수 정의, 클래스 정의)
  • 기본적인 Python 자료구조 숙지- list, tuple, dict 사용법
  • Python 에서 파일을 읽고 쓰는 능력(os, glob 등 라이브러리 활용법)
  • 기본적인 Numpy, Pandas 라이브러리 사용법

✅ 실습 환경 구성 안내

• 실습 환경 구성
  • 기초 예제(GPU 필요 X): MNIST, CIFAR-10, …
    • 로컬 환경 사용
    • Colab 사용
  • 실전 프로젝트 예제(GPU 필요 O): Custom Dataset
    • GPU 가 포함된 로컬 환경 사용
    • Colab 으로 여러 번에 나눠서 학습
    • 제공된 Pre-Trained 모델을 다운로드 받아서 실습