´ëÇѱݼӡ¤Àç·áÇÐȸ ÀΰøÁö´ÉÀç·á°úÇÐ ºÐ°úÀ§¿øȸ(À§¿øÀå: ÇÑ»ó¼ö)¿¡¼´Â ÀΰøÁö´ÉÀ» Àç·áºÐ¾ß¿¡ È°¿ëÇϱâ À§ÇÑ ´Ü±â°Á¸¦ °³ÃÖÇÏ°í ÀÖ½À´Ï´Ù. º» °Á´ µö·¯´× À̷аú ±¸Çö¿¡ ´ëÇØ Áß±Þ ¼öÁØÀ¸·Î ¼³¸íÇÏ°í, ƯÈ÷ ±Ý¼Ó, Àç·á °ü·Ã µ¥ÀÌÅ͸¦ ÀÌ¿ëÇÏ¿© °»ç°¡ Á÷Á¢ Äڵ带 ±¸ÇöÇÏ´Â ³»¿ëµµ Æ÷ÇԵǾî ÀÖ½À´Ï´Ù. À̹øÀÌ 6ȸÂ÷·Î ¡®µö·¯´× À̷аú ±¸Çö (Áß±Þ)¡¯À» ÁÖÁ¦·Î 2023 µ¿°è´Ü±â°Á¸¦ ¾Æ·¡¿Í °°ÀÌ °³ÃÖÇÏ¿À´Ï ¸¹Àº Âü¿©¸¦ ºÎŹµå¸³´Ï´Ù. - ÀÏ ½Ã: 2023³â 2¿ù 15ÀÏ (¼ö) ~ 2¿ù 17ÀÏ (±Ý)
- Àå ¼Ò: Æ÷Ç×°ø°ú´ëÇб³
- ÁÖ ÃÖ: ´ëÇѱݼӡ¤Àç·áÇÐȸ ÀΰøÁö´ÉÀç·á°úÇкаú
- ´ë »ó: µö·¯´×¿¡ ´ëÇÑ Áß±Þ ·¹º§ÀÚ ±³À°
- µî·Ïºñ: »çÀüµî·Ï ±âÁØ - ´ëÇпø»ý (20¸¸ ¿ø), ÀÏ¹Ý (40¸¸ ¿ø), ½Ä»ç ¹ÌÆ÷ÇÔ
- µî·Ï±â°£: 2023. 1. 31±îÁö ¼±Âø¼ø Á¢¼ö (°áÁ¦ ¿Ï·á ±âÁØ, max 70¸í)
- »çÀüµî·Ï ÆäÀÌÁö ¹Ù·Î°¡±â (Ŭ¸¯)
- µî·Ï°ü·Ã ¾È³»»çÇ×
- »çÀüµî·ÏÀº ½Åû Àοø¿¡ µû¶ó Á¶±â ¸¶°¨µÉ ¼ö ÀÖ½À´Ï´Ù. (max 70¸í)
- °áÁ¦ ÈÄ µî·Ï Ãë¼Ò/ȯºÒ/°áÁ¦ ¼ö´Ü º¯°æÀº 1.31±îÁö ¿äûµÈ °Í¿¡ ÇÑÇÏ¿© ó¸® °¡´ÉÇÕ´Ï´Ù.
- ±³À° ÀÏÁ¤ ¹× ³»¿ë
ÀÏ Á¤ | ³» ¿ë | ° »ç | 2/15 (1ÀÏÂ÷) | 10:00~12:00 | ´ëÇ¥ CNN ¸ðµ¨ Explainable AI(CAM, Grad-CAM) Segmentation | À±Á¾ÇÊ ¹Ú»ç (Çѱ¹»ý»ê±â¼ú¿¬±¸¿ø) ÀÌ»óÁØ ±³¼ö (ÀüºÏ´ëÇб³) Á¤½ÂÇö ±³¼ö (Çѱ¹±â¼ú±³À°´ëÇб³) | 13:30~17:00 | 2/16 (2ÀÏÂ÷) | 10:00~12:00 | Self-supervised learning »ý¼º ¸ðµ¨(GAN) | 13:30~17:00 | 2/17 (3ÀÏÂ÷) | 10:00~12:00 | »ý¼º ¸ðµ¨(VAE) | 13:30~15:30 | »ý¼º ¸ðµ¨ (Diffusion model) |
- ½Ç½ÀÀ» °»çºÐ²²¼ Á÷Á¢ º¸¿©Áֽô °ÍÀ̱⠶§¹®¿¡ ±³À°»ýºÐµéÀº ³ëÆ®ºÏÀÌ ¾ø¾îµµ ¼ö¾÷ ÁøÇà °¡´ÉÇÕ´Ï´Ù.
- ±³À° »ó¼¼ ³»¿ë
±¸ºÐ | ³»¿ë | 1ÀÏÂ÷ | - ´ëÇ¥ÀûÀÎ CNN ¸ðµ¨ ±¸Á¶¿Í µ¿ÀÛ ¿ø¸® : ±â ÇнÀµÈ ÃֽŠ¸ðµ¨À» È°¿ëÇÑ ÀüÀÌÇнÀ - ÀΰøÁö´É °á°ú ºÐ¼®À» À§ÇÑ ½Ã°¢È ±â¼ú (CAM, Grad-CAM) - Segmentation : µ¥ÀÌÅÍÀÇ °¢ Æ÷ÀÎÆ®¸¦ ƯÁ¤ Ŭ·¡½º·Î ºÐ·ùÇÏ´Â segmentation ¸ðµ¨ µ¿ÀÛ ¿ø¸® : ½ÇÁ¦ ¹Ì¼¼Á¶Á÷ µ¥ÀÌÅÍ È°¿ë ÄÚµå ±¸Çö : Segmentation ½Ç½ÀÀ» À§ÇÑ ¹Ì¼¼Á¶Á÷ µ¥ÀÌÅÍ ¿¹½Ã | 2ÀÏÂ÷ | - ·¹ÀÌºí µ¥ÀÌÅÍ ¾øÀÌ ÇнÀÇÏ´Â ¹æ¹ý·Ð - µ¥ÀÌÅ͸¦ »ý¼ºÇÏ´Â µö·¯´× ¸ðµ¨ (GAN) ÀÌ·Ð ¹× ±¸Çö | 3ÀÏÂ÷ | - µ¥ÀÌÅ͸¦ »ý¼ºÇÏ´Â µö·¯´× ¸ðµ¨ (VAE) ÀÌ·Ð ¹× ±¸Çö - ÃֽŠµ¥ÀÌÅÍ »ý¼º ±â¼úÀÎ Diffusion model µ¿ÀÛ ¿ø¸® ¹× ±¸Çö |
- Contact
|