"누구나 손쉽게 자율주행차 AI를 구성해보자."라는 이 책의 모토는 우리의 눈길을 끌었다.
AI가 이만큼 많은 사람의 입에 오르내리는 시대는 드물다. 하지만 AI를 실질적으로 사용하기 위해 접근하면 갑자기 저 먼 안드로메다 쯤의 이야기로 들릴 사람들이 많을 것이다. 이 책은 그런 거리감을 수천 광년 단위로 줄여주는 멋진 책이다. 이 책에서 하라는 것만 따라하면 당신이 정치외교학과를 졸업했더라도 나도 왕년에 AI 좀 만져봤다는 생색을 낼 수 있을 것이다. 왜냐하면 당신이 짠 간단한 자율주행차 AI 코드가 모니터에 떠있을 것이기 때문이다.
이 책은 총 3부로 이루어져 있다. 1부에서는 센서의 특성에 대한 이해와 구성하는 코드를 간단히 소개한다. 2부에서는 본격적으로 신경망을 이용한 딥러닝에 대한 내용이 담겨 있으며, 마지막으로 3부에서는 당신의 자율주행차가 달릴 맵을 구성해 달리게 해볼 것이다.
페라리(Ferrari)와 오페라 소프트웨어(Opera Software)를 포함한 세계적인 기업들과 함께 프로그래머로서 일한 폭넓은 경험이 있다. 액티브엔터테인먼트(Activetainment)(세계 최초 스마트 바이크 제작사), 퓨처홈(Futurehome)(스마트홈 솔루션 제공 업체), 컴퍼니북(CompanyBook)(판매에 인공지능을 적용한 제품) 등 일부 스타트업에서도 근무했으며 Tapad(Telenor Group)의 데이터 플랫폼 팀에서 일하면서 페타바이트 단위의 데이터를 회사의 여러 부서에서 액세스할 수 있도록 조치했다. 현재는 피아노 소프트웨어(Piano Software)에서 분석 데이터베이스의 수석 엔지니어로 활동하고 있다.
1장. OpenCV 기초와 카메라 보정 __기술 요구 사항 __OpenCV와 넘파이소개____OpenCV와 넘파이 ____이미지 크기____회색조 이미지____RGB 이미지__이미지 파일 다루기__비디오 파일 다루기____웹캠 다루기__이미지 파일 작업하기____이미지 뒤집기____이미지 블러____이미지 명암, 밝기, 감마 값 바꾸기____사각형 그리기와 텍스트 입력하기__HOG를 이용한 보행자 감지____슬라이딩 윈도우____OpenCV와 함께 HOG 사용하기____카메라 소개____카메라 용어____카메라 구성 요소____카메라 선택을 위한 고려 사항____카메라의 장점 및 단점__OpenCV를 통한 카메라 보정____왜곡 탐지____보정__요약__질문2장. 신호에 대한 이해와 작업 __기술 요구 사항 __신호 유형 이해하기__아날로그 VS 디지털__시리얼 VS 병렬____범용 비동기 수신 및 전송 방식____차동 vs 단일 종단____I2C____SPI__프레임 기반 시리얼 프로토콜____CAN 통신 이해하기____이더넷과 인터넷 프로토콜____UDP 이해하기____TCP 이해하기__요약__질문__더 읽어 보기____오픈소스 프로토콜 도구3장. 차로 인식 __기술 요구 사항 __임계치 다루기____각기 다른 색상 공간에서의 임계치 다루기____RGB/BGR____HLS____HSV____LAB____YCbCr____우리의 선택__원근 수정__경계 인식____임곗값 보간법____임곗값 결합__히스토그램을 활용한 차로 찾기__슬라이딩 윈도우 알고리듬____초기화____슬라이딩 윈도우의 좌표____다항식을 이용한 피팅 기법__비디오를 활용한 차로 인식 성능 향상____부분 히스토그램____롤링 평균 __요약__질문2부. 자율 주행차가 딥러닝과 신경망으로 작동하는 방식 개선하기4장. 신경망을 통한 딥러닝__기술 요구 사항__머신러닝과 신경망 이해하기____신경망____뉴런____파라미터____딥러닝의 성공__컨볼루션 신경망에 대해 알아보기____컨볼루션____컨볼루션은 왜 대단한 것일까?__케라스와 텐서플로 시작하기____요구 사항__MNIST 손글씨 숫자 탐지하기____방금 불러온 데이터는 무엇일까?____학습 샘플 및 레이블____원 핫 인코딩____학습 및 테스트 데이터셋__신경망 모델 정의하기____LeNet____코드____아키텍처____신경망 학습하기____CIFAR-10__요약__질문__더 읽어 보기5장. 딥러닝 워크플로 __기술 요구 사항__데이터셋 수집하기____케라스 모듈의 데이터셋____기존 데이터셋____커스텀 데이터셋__세 가지 데이터셋 이해하기____데이터셋 분할하기__분류기 이해하기____실제 데이터셋 생성하기____데이터 증강__모델____컨볼루션 층 조정하기____맥스 풀링 층 조정하기____밀집 층 조정하기____신경망 학습하기____신경망 학습 방법____무작위 초기화____오버피팅과 언더피팅__액티베이션을 시각화하기__추론__재학습__요약__질문6장. 신경망 개선하기__기술 요구 사항__더 큰 모델____시작점____속도 개선하기____깊이 증가시키기__보다 효율적인 신경망__배치 정규화를 통해 더욱 똑똑한 신경망 구축하기____올바른 배치 크기 선택하기__조기 종료__데이터 증강을 통해 데이터셋 개선하기__드롭아웃을 통해 검증 정확도 개선하기____모델을 MNIST에 적용하기____이제 당신의 차례!__요약__질문7장. 보행자 및 신호등 감지__기술 요구 사항__SSD를 이용한 보행자, 차량, 신호등 감지____Carla로 약간의 이미지 수집하기____SSD의 이해____zoo 텐서플로 감지 모델 알아보기____SSD 다운로드 및 불러오기____SSD 실행하기____이미지에 주석 달기__신호등의 색상 감지____신호등 데이터셋 만들기____전이 학습 이해하기____ImageNet 알아가기____AlexNet 파헤치기____이미지 분류에 Inception 사용하기____전이 학습에 Inception 사용하기____Inception에 데이터셋 투입하기____전이 학습을 통한 성능____전이 학습 개선__신호등과 그 색상을 인식하기__요약__질문__더 읽어 보기8장. 행동 복제 __기술적 요구 사항__행동 복제를 통해 신경망에게 운전법을 가르치기__DAVE-2 소개____manual_control.py 알아보기____비디오 스트림 1개 녹화하기____신경망 모델링하기____회귀 수행용 신경망 학습____돌출맵 시각화__신경망을 Carla와 통합하기____GPU를 작동시키기__자율 주행!____제너레이터를 활용한 더 큰 데이터셋 학습____어려운 방식으로 데이터 증강하기__요약__질문__더 읽어 보기9장. 시맨틱 분할__기술 요구 사항__시맨틱 분할 소개____목표 정의하기____데이터 수집하기____synchronous_mode.py 수정하기__분류를 위한 DenseNet 이해____조감도에서 본 DenseNet____밀집 블록 이해하기__CNN으로 이미지 분할__시맨틱 분할을 위한 DenseNet 조정__FC-DenseNet 블록 코딩____모든 요소들 결합하기____네트워크에 입력 공급하기____신경망 실행하기____잘못된 시맨틱 분할 개선하기__요약__질문__더 읽을 거리3부. 매핑과 제어10장. 조향, 스로틀, 브레이크 제어__기술 요구 사항__제어가 필요한 이유____컨트롤러는 무엇인가?__컨트롤러의 종류____PID____MPC__CARLA에서 PID 적용하기____CARLA 설치하기 ____Packt-Town04-PID.py 스크립트 파일 복사하기____Packt-Town04-PID.py 스크립트 파일 복사하기____PIDLongitudinalController____PIDLateralController____스크립트 실행하기 __C++의 예제 MPC__요약__질문__더 읽을거리11장. 주변 환경 매핑하기 __기술 요구 사항__지도 작성과 로컬라이제이션이 필요한 이유 ____지도 작성____로컬라이제이션__지도 작성 및 로컬라이제이션 유형____동시 위치 추정 및 지도 작성__오픈소스 지도 작성 도구 __아우스터 라이다와 구글 카르토그래퍼가 있는 SLAM____아우스터 센서____repo____cartographer_ros 시작하기____Cartographer_ros 구성____도커 이미지__요약__질문__더 읽을거리
