VISION

인공지능 기반 영상신호처리는 영상에서 구조와 패턴을 자동으로 추출해 분류·검출·분할 등의 핵심 작업을 수행하며, 학습 기반으로 실세계 적용을 강화한다.

인공신경망은 입력·은닉·출력층 구조로 가중치·편향·활성화함수를 적용해 패턴을 학습하고 역전파로 최적화한다. MNIST, 퍼셉트론·논리게이트, MLP 구조와 XOR 해결 사례를 다룹니다.

인공 신경망 개념, 학습·추론, MNIST 데이터 구성, 구조·파라미터, 활성화·손실 함수, 순전파·역전파, 최적화 기법, Softmax+CrossEntropy 구현 등 핵심 내용을 정리

신경망 최적화 개요(Optimizer, LR 스케줄러), 가중치 초기화, 활성화·역전파·기울기 소실, 배치 정규화, 과적합·일반화, 정규화 기법, 데이터 확장, 앙상블·드롭아웃, 전이 학습 등 주요 기법 정리

CNN 정의와 FC 비교, 합성곱·패딩·스트라이드·편향·풀링·수용영역·파라미터·연산량 분석, PyTorch 구현 및 필터 시각화

Auto-Encoder, Segmentation, Object Detection, Transformer 기반 영상처리, Point Cloud 처리, GAN·Conditional GAN·CycleGAN·SRGAN, Diffusion·Latent Diffusion 모델 등