深層学習による画像認識とその判断根拠の可視化（視覚的説明）【Web配信】

セミナープログラム

1. 画像認識の問題設定
   1. 物体検出タスク
   2. 画像分類タスク
   3. シーン理解：セマンティックセグメンテーションタスク
   4. 特定物体認識タスク
2. ニューラルネットワークと逆誤差伝搬法
   1. ニューラルネットワーク（全結合）
   2. 多層パーセプトロン（MLP）の学習
   3. 勾配降下法
   4. 誤差関数
3. 畳み込みニューラルネットワーク（CNN）
   1. 機械学習を用いた画像認識
   2. 畳み込み層
   3. 活性化関数
   4. プーリング層
   5. 全結合層
   6. 出力層
   7. CNNの推論過程、学習
   8. 従来の機械学習 VS 深層学習
   9. 学習サンプル数 VS 認識性能
   10. データ拡張
4. CNNよる画像認識
   1. 一般物体認識（分類）
      …　AlexNet / VGG / GoogLeNet / ResNet / SENet
   2. 物体検出
      …　Faster R-CNN / YOLO / SSD / M2Det
   3. セグメンテーション
      …　SegNet / MNet
   4. 回帰
   5. マルチタスク学習
5. 視覚的説明（Explainable AI）
   1. 説明可能なAIに向けて：XAI
   2. 視覚的説明：アテンションマップの可視化
   3. Attention Branch Network
   4. Attention mapのファインチューニング
   5. 外観検査への適用
6. 視覚的説明のロボット応用
   1. 深層強化学習によるロボットの自律移動
   2. Deep Q-Network
   3. 深層強化学習における判断根拠の可視化

セミナー講師

藤吉 弘亘（ふじよしひろのぶ）　氏
中部大学　工学部　情報科学科　/　大学院 工学研究科 情報工学専攻　教授（博士（工学））

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。