±¹³»µµ¼
Àü°øµµ¼/´ëÇб³Àç
°øÇаè¿
ÄÄÇ»ÅÍ°øÇÐ
Á¤°¡ |
26,000¿ø |
---|
23,400¿ø (10%ÇÒÀÎ)
1,300P (5%Àû¸³)
ÇÒÀÎÇýÅÃ | |
---|---|
Àû¸³ÇýÅà |
|
|
|
Ãß°¡ÇýÅÃ |
|
À̺¥Æ®/±âȹÀü
¿¬°üµµ¼(1)
»óÇ°±Ç
ÀÌ»óÇ°ÀÇ ºÐ·ù
Ã¥¼Ò°³
PythonÀ¸·Î OpenCV ÇÁ·Î±×·¡¹ÖÀ» ±¸ÇöÇÏ¿´½À´Ï´Ù.
- python, Numpy, Matplotlib, OpenCV. Tensorflow »ç¿ë
- ¿µ»ó ¹× ºñµð¿À ÀÔÃâ·Â, ±×·¡ÇÈ, À̺¥Æ® ó¸®, OpenCV ±âº»¿¬»ê
- ÀÓ°è°ª, È÷½ºÅä±×·¥ ó¸®, ¿µ»ó ÇÊÅ͸µ, ¿µ»ó ºÐÇÒ
- Ư¡ °ËÃâ, µð½ºÅ©¸³ÅÍ, ¸ÅĪ
- ºñµð¿À¿¡¼ À̵¿ ¹°Ã¼ °ËÃâ ¹× ¹°Ã¼ ÃßÀû
- Àΰø½Å°æ¸Á(MLP), ÇÕ¼º°ö½Å°æ¸Á(CNN)¿¡ ÀÇÇÑ ±â°èÇнÀ
- MNIST ¼Õ±Û¾¾ ¼ýÀÚ(handwritten digits) µ¥ÀÌÅÍ ÀνÄ
- ¾ó±¼ °ËÃâ ¹× ÀνÄ
µî¿¡ ´ëÇÏ¿© ÇÁ·Î±×·¡¹Ö ¹æ¹ýÀ» ¼³¸íÇÕ´Ï´Ù.
ÃâÆÇ»ç ¼Æò
C·Î ±¸ÇöÇÏ´Â OpenCV,, C++·Î ±¸ÇöÇÏ´Â OpenCV ÇÁ·Î±×·¡¹Ö µµ¼¿¡ À̾î
PythonÀ¸·Î ¹è¿ì´Â OpenCV ÇÁ·Î±×·¡¹ÖÀ» Ãâ°£Çϸé¼,
PythonÀÇ ÄÚµå °£°á¼º°ú È¿À²¼º¿¡ ´Ù½Ã ÇÑ ¹ø ³î¶ó¿òÀ» ´À³¤´Ù.
¸ñÂ÷
Chapter 01 ¼·Ð
01 ¿µ»óó¸®¿Í ÄÄÇ»ÅÍ ºñÀü
02 OpenCV °³¿ä
03 ÆÄÀ̽ã, Numpy, Matplotlib, OpenCV ¼³Ä¡
Chapter 02 ¿µ»ó ¹× ºñµð¿À ÀÔÃâ·Â
01 ¿µ»ó ÀÔÃâ·Â°ú µð½ºÇ÷¹ÀÌ
02 ºñµð¿À ÇÁ·¹ÀÓ Ä¸Ã³¿Í ȸé Ç¥½Ã
03 ºñµð¿À ÆÄÀÏ ³ìÈ
04 matplotlib ºñµð¿À µð½ºÇ÷¹ÀÌ
Chapter 03 °£´ÜÇÑ ±×·¡ÇÈ ¹× À̺¥Æ® ó¸®
01 Á÷¼± ¹× »ç°¢Çü ±×¸®±â
02 ¿ø ¹× Ÿ¿ø ±×¸®±â
03 ´Ù°¢Çü ±×¸®±â
04 ¹®ÀÚ¿ Ãâ·Â
05 Å°º¸µå À̺¥Æ® ó¸®
06 ¸¶¿ì½º À̺¥Æ® ó¸®
07 Æ®·¢¹Ù À̺¥Æ® ó¸®
Chapter 04 OpenCV ±âº»¿¬»ê
01 ¿µ»ó ¼Ó¼º°ú È¼Ò Á¢±Ù
02 °ü½É ¿µ¿ª°ú ROI
03 ¿µ»ó º¹»ç
04 ¿µ»ó ä³Î ºÐ¸®¿Í º´ÇÕ
05 Ä÷¯ °ø°£ º¯È¯
06 ¿µ»óÀÇ Å©±â º¯È¯°ú ȸÀü
07 »ê¼ú¿¬»ê, ºñÆ®¿¬»ê, ºñ±³¹üÀ§, ¼öÄ¡¿¬»ê ÇÔ¼ö
08 ¼öÇÐ ¹× Åë°è ÇÔ¼ö
Chapter 05 ÀÓ°è°ª°ú È÷½ºÅä±×·¥ ó¸®
01 ÀÓ°è°ª ¿µ»ó
02 È÷½ºÅä±×·¥ °è»ê
03 È÷½ºÅä±×·¥ ÆòÈ°È(equalization)
04 È÷½ºÅä±×·¥ ¿ªÅõ¿µ
05 È÷½ºÅä±×·¥ ºñ±³
Chapter 06 ¿µ»ó °ø°£ ÇÊÅ͸µ
01 ºí·¯ ÇÊÅÍ
02 ¹ÌºÐ ÇÊÅÍ
03 ÀϹÝÀûÀÎ ÇÊÅÍ ¿¬»ê
04 ¸ðÆú·ÎÁö ¿¬»ê
05 ÅÛÇø´ ¸ÅĪ
Chapter 07 ¿µ»ó ºÐÇÒ
01 Canny ¿¡Áö °ËÃâ
02 Hough º¯È¯¿¡ ÀÇÇÑ Á÷¼±, ¿ø °ËÃâ
03 Ä÷¯ ¹üÀ§¿¡ ÀÇÇÑ ¿µ¿ª ºÐÇÒ
04 À±°û¼± °ËÃâ ¹× ±×¸®±â
05 ¿µ¿ª ä¿ì±â, ÀÎÆäÀÎÆ®, °Å¸® °è»ê, ¿öÅͽ¦µå
06 ÇǶó¹Ìµå ±â¹Ý ºÐÇÒ
07 K-Means Ŭ·¯½ºÅ͸µ ºÐÇÒ
08 ¿¬°á¿ä¼Ò °ËÃâ
Chapter 08 ¿µ»ó Ư¡ °ËÃâ
01 ÄÚ³ÊÁ¡ °ËÃâ
02 ü½ºº¸µå ÆÐÅÏ ÄÚ³ÊÁ¡ °ËÃâ
03 ¸ð¸àÆ®(moments)
04 ¸ð¾ç(shape) °ü·Ã Ư¡ °ËÃâ
05 ¸ð¾ç ¸ÅĪ
06 ÀûºÐ ¿µ»ó
07 Haar-like Ư¡
Chapter 09 Ư¡ °ËÃâ, µð½ºÅ©¸³ÅÍ, ¸ÅĪ
01 FastFeatureDetector Ư¡ °ËÃâ
02 MSER Ư¡ °ËÃâ
03 SimpleBlobDetector Ư¡ °ËÃâ
04 GFTTDetector Ư¡ °ËÃâ
05 ORB Ư¡ °ËÃâ ¹× µð½ºÅ©¸³ÅÍ °è»ê
06 BRISK Ư¡ °ËÃâ ¹× µð½ºÅ©¸³ÅÍ °è»ê
07 KAZE, AKAZE Ư¡ °ËÃâ ¹× µð½ºÅ©¸³ÅÍ °è»ê
08 SIFT Ư¡ °ËÃâ ¹× µð½ºÅ©¸³ÅÍ °è»ê
09 SURF Ư¡ °ËÃâ ¹× µð½ºÅ©¸³ÅÍ °è»ê
10 µð½ºÅ©¸³Å͸¦ ÀÌ¿ëÇÑ Æ¯Â¡ ¸ÅĪ
11 HOG µð½ºÅ©¸³ÅÍ
12 ¿µ»ó ½ºÆ¼Äª
Chapter 10 ºñµð¿À ó¸®
01 Æò±Õ ¹è°æ Â÷¿µ»ó
02 BackgroundSubtractor·Î ¹è°æ°ú Àü°æ ºÐÇÒ
03 ±¤·ù °è»ê
04 MeanShift/CamShift ̧˞
05 Kalman Filter ¹°Ã¼ ÃßÀû
06 ºñµð¿À¿¡¼ Ư¡ ¸ÅĪ
07 OpenCV ÃßÀû±â
Chapter 11 ±â°èÇнÀ
01 Àΰø½Å°æ¸Á(Artificial Neural Networks)
02 DNN(Deep Neural Networks)
03 ¹°Ã¼ °ËÃâ(Object Detection)
04 ¾ó±¼ ÀνÄ(Face Recognition)
ÁÖ°£·©Å·
´õº¸±â»óÇ°Á¤º¸Á¦°ø°í½Ã
À̺¥Æ® ±âȹÀü
Àü°øµµ¼/´ëÇб³Àç ºÐ¾ß¿¡¼ ¸¹Àº ȸ¿øÀÌ ±¸¸ÅÇÑ Ã¥
ÆǸÅÀÚÁ¤º¸
»óÈ£ |
(ÁÖ)±³º¸¹®°í |
---|---|
´ëÇ¥ÀÚ¸í |
¾Èº´Çö |
»ç¾÷ÀÚµî·Ï¹øÈ£ |
102-81-11670 |
¿¬¶ôó |
1544-1900 |
ÀüÀÚ¿ìÆíÁÖ¼Ò |
callcenter@kyobobook.co.kr |
Åë½ÅÆǸž÷½Å°í¹øÈ£ |
01-0653 |
¿µ¾÷¼ÒÀçÁö |
¼¿ïƯº°½Ã Á¾·Î±¸ Á¾·Î 1(Á¾·Î1°¡,±³º¸ºôµù) |
±³È¯/ȯºÒ
¹ÝÇ°/±³È¯ ¹æ¹ý |
¡®¸¶ÀÌÆäÀÌÁö > Ãë¼Ò/¹ÝÇ°/±³È¯/ȯºÒ¡¯ ¿¡¼ ½Åû ¶Ç´Â 1:1 ¹®ÀÇ °Ô½ÃÆÇ ¹× °í°´¼¾ÅÍ(1577-2555)¿¡¼ ½Åû °¡´É |
---|---|
¹ÝÇ°/±³È¯°¡´É ±â°£ |
º¯½É ¹ÝÇ°ÀÇ °æ¿ì Ãâ°í¿Ï·á ÈÄ 6ÀÏ(¿µ¾÷ÀÏ ±âÁØ) À̳»±îÁö¸¸ °¡´É |
¹ÝÇ°/±³È¯ ºñ¿ë |
º¯½É ȤÀº ±¸¸ÅÂø¿À·Î ÀÎÇÑ ¹ÝÇ°/±³È¯Àº ¹Ý¼Û·á °í°´ ºÎ´ã |
¹ÝÇ°/±³È¯ ºÒ°¡ »çÀ¯ |
·¼ÒºñÀÚÀÇ Ã¥ÀÓ ÀÖ´Â »çÀ¯·Î »óÇ° µîÀÌ ¼Õ½Ç ¶Ç´Â ÈÑ¼ÕµÈ °æ¿ì ·¼ÒºñÀÚÀÇ »ç¿ë, Æ÷Àå °³ºÀ¿¡ ÀÇÇØ »óÇ° µîÀÇ °¡Ä¡°¡ ÇöÀúÈ÷ °¨¼ÒÇÑ °æ¿ì ·º¹Á¦°¡ °¡´ÉÇÑ »óÇ° µîÀÇ Æ÷ÀåÀ» ÈѼÕÇÑ °æ¿ì ·½Ã°£ÀÇ °æ°ú¿¡ ÀÇÇØ ÀçÆǸŰ¡ °ï¶õÇÑ Á¤µµ·Î °¡Ä¡°¡ ÇöÀúÈ÷ °¨¼ÒÇÑ °æ¿ì ·ÀüÀÚ»ó°Å·¡ µî¿¡¼ÀÇ ¼ÒºñÀÚº¸È£¿¡ °üÇÑ ¹ý·üÀÌ Á¤ÇÏ´Â ¼ÒºñÀÚ Ã»¾àöȸ Á¦ÇÑ ³»¿ë¿¡ ÇØ´çµÇ´Â °æ¿ì |
»óÇ° Ç°Àý |
°ø±Þ»ç(ÃâÆÇ»ç) Àç°í »çÁ¤¿¡ ÀÇÇØ Ç°Àý/Áö¿¬µÉ ¼ö ÀÖÀ½ |
¼ÒºñÀÚ ÇÇÇغ¸»ó |
·»óÇ°ÀÇ ºÒ·®¿¡ ÀÇÇÑ ±³È¯, A/S, ȯºÒ, Ç°Áúº¸Áõ ¹× ÇÇÇغ¸»ó µî¿¡ °üÇÑ »çÇ×Àº¼ÒºñÀÚºÐÀïÇØ°á ±âÁØ (°øÁ¤°Å·¡À§¿øȸ °í½Ã)¿¡ ÁØÇÏ¿© ó¸®µÊ ·´ë±Ý ȯºÒ ¹× ȯºÒÁö¿¬¿¡ µû¸¥ ¹è»ó±Ý Áö±Þ Á¶°Ç, ÀýÂ÷ µîÀº ÀüÀÚ»ó°Å·¡ µî¿¡¼ÀǼҺñÀÚ º¸È£¿¡ °üÇÑ ¹ý·ü¿¡ µû¶ó ó¸®ÇÔ |
(ÁÖ)ÀÎÅÍÆÄÅ©Ä¿¸Ó½º´Â ȸ¿ø´ÔµéÀÇ ¾ÈÀü°Å·¡¸¦ À§ÇØ ±¸¸Å±Ý¾×, °áÁ¦¼ö´Ü¿¡ »ó°ü¾øÀÌ (ÁÖ)ÀÎÅÍÆÄÅ©Ä¿¸Ó½º¸¦ ÅëÇÑ ¸ðµç °Å·¡¿¡ ´ëÇÏ¿©
(ÁÖ)KGÀ̴Ͻýº°¡ Á¦°øÇÏ´Â ±¸¸Å¾ÈÀü¼ºñ½º¸¦ Àû¿ëÇÏ°í ÀÖ½À´Ï´Ù.
¹è¼Û¾È³»
±³º¸¹®°í »óÇ°Àº Åùè·Î ¹è¼ÛµÇ¸ç, Ãâ°í¿Ï·á 1~2Àϳ» »óÇ°À» ¹Þ¾Æ º¸½Ç ¼ö ÀÖ½À´Ï´Ù.
Ãâ°í°¡´É ½Ã°£ÀÌ ¼·Î ´Ù¸¥ »óÇ°À» ÇÔ²² ÁÖ¹®ÇÒ °æ¿ì Ãâ°í°¡´É ½Ã°£ÀÌ °¡Àå ±ä »óÇ°À» ±âÁØÀ¸·Î ¹è¼ÛµË´Ï´Ù.
±ººÎ´ë, ±³µµ¼Ò µî ƯÁ¤±â°üÀº ¿ìü±¹ Åù踸 ¹è¼Û°¡´ÉÇÕ´Ï´Ù.
¹è¼Ûºñ´Â ¾÷ü ¹è¼Ûºñ Á¤Ã¥¿¡ µû¸¨´Ï´Ù.