강의목표
Have a good understanding of AI architecture specialized in video action recognition.
Gather & prepare data.
Use performant models & leverage fine-tuning .
강의개요
Lectures :
-Review 3D CNNs for computer vision & SlowFast architecture .
-Gather data and run inference.
-Fine tuning a model for shoplifting detection.
참고사항
♦ 출석 100%, 퀴즈 3/5문제 통과시 수료증이 발급됩니다.
♦ 수강신청 기간 내에 홈페이지에서 수강 취소해야 정상 취소처리 됩니다.
♦ 1개 교육에 대해 전일 결석시, 추후 3개월간 수강신청이 자동차단됩니다. (취소는 홈페이지에서 직접 가능)
♦ 강의 자료는 저작권 문제로 인하여 제공되지 않고 화면에만 보여집니다.
강좌상세
| 일자 |
2025-02-04 |
시간 |
14:00 ~ 16:00 |
강사 |
BABIN-RIBY Hugo 선임연구원 Duncha |
| 내용 |
○ Reminders : Neural networks basics
○ Reminders : Tools used
○ Computer vision basics
○ ConvNet, ResNet, SlowFast, TSM, TSN architectures review |
| 일자 |
2025-02-05 |
시간 |
14:00 ~ 16:00 |
강사 |
BABIN-RIBY Hugo 선임연구원 Duncha |
| 내용 |
○ Gather data
○ Setup & test computer vision
○ Setup & test SlowFast, TSM & TSN inference |
| 일자 |
2025-02-06 |
시간 |
14:00 ~ 16:00 |
강사 |
BABIN-RIBY Hugo 선임연구원 Duncha |
| 내용 |
○ Data processing theory : data preparation
○ Model’s limits, possibilities for hardware accelerations
○ Study real world applications and costs of operation using lab1’s data |
| 일자 |
2025-02-07 |
시간 |
14:00 ~ 16:00 |
강사 |
BABIN-RIBY Hugo 선임연구원 Duncha |
| 내용 |
○ Build an adapted architecture
○ Training a specialized model through fine-tuning
○ Yield optimal precision depending on requirements
○ Conclude on real-world usage and feasibility |
강의장소
온라인 진행 (ZOOM)
담당자 연락처
|
