畳み込みニューラルネットワークの基礎と画像認識への応用・判断根拠の理解【Web配信】

セミナー趣旨

　深層学習の代表的な手法である畳み込みニューラルネットワークは画像認識分野で様々なタスクへの応用が進んでいる。
　本講義では、畳み込みニューラルネットワークの基礎と画像認識分野における応用事例について説明する。また、畳み込みニューラルネットワークの判断根拠の視覚的説明や、実装に向けた環境やディープラーニングフレームワークによるサンプルコードの説明など実践的に活用できる内容を網羅的に説明する。

セミナープログラム

1. ディープラーニングの現在
2. 畳み込みニューラルネットワーク
   1. 畳み込み層
   2. プーリング層
   3. 全結合層
   4. 出力層
3. 畳み込みニューラルネットワークの学習
   1. 誤差逆伝播法
   2. 最適化法（SGD / Adam / RMSProp）
4. ネットワーク構造
   1. AlexNet
   2. VGG
   3. GoogLeNet
   4. ResNet
   5. SE-Net
5. 汎用性を向上させるためのテクニック
   1. Dropout
   2. Batch Normalization
   3. インスタンス正規化
   4. データ拡張（Mixup, Cutout等）
6. 物体検出への応用
   1. Fast R-CNN
   2. YOLO
   3. SSD
7. セグメンテーションへの応用
   1. FCN
   2. SegNet
   3. U-Net
   4. PSP Net
   5. DeepLab V3
8. 判断根拠の可視化
   1. CAM
   2. CAM Grad
   3. Attention Branch Network
   4. 判断根拠を活用した精度向上
9. 最新技術
   
   1. Self-Attention Network
   2. Vision Transformer
10. ディープラーニングの実装
    1. Pytorch による実装
    2. Neural Network Console

セミナー講師

山下 隆義（やましたたかよし）　氏
中部大学　工学部　情報工学科　教授（工学博士）

セミナー受講料

お1人様受講の場合　51,700円[税込]／1名
1口でお申込の場合　62,700円[税込]／1口（3名まで受講可能）

受講申込ページで2～3名を同時に申し込んだ場合、自動的に1口申し込みと致します。

受講について

• 本セミナーの受講にあたっての推奨環境は「Zoom」に依存しますので、ご自分の環境が対応しているか、お申込み前にZoomのテストミーティング（http://zoom.us/test）にアクセスできることをご確認下さい。
• インターネット経由でのライブ中継ため、回線状態などにより、画像や音声が乱れる場合があります。講義の中断、さらには、再接続後の再開もありますが、予めご了承ください。
• 受講中の録音・撮影等は固くお断りいたします。