機械学習アルゴリズムとその判断根拠の可視化と活用事例など学ぶ

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))  
<略歴>
 1997年 中部大学大学院 博士後期課程了
 1997〜2000年 米国カーネギーメロン大学 ロボット工学研究所 Postdoctoral Fellow
 2000年 中部大学 講師
 2004年 中部大学 准教授
 2005〜2006年 米国カーネギーメロン大学 ロボット工学研究所 客員研究員
 2010年 中部大学 教授
 2014年 名古屋大学 客員教授
  現在に至る
<学会>
 電子情報通信学会、情報処理学会、ロボット学会、IEEE
<主な受賞>
 ロボカップ研究賞(2005年)
 情報処理学会論文誌CVIM優秀論文賞(2009年)
 情報処理学会山下記念研究賞(2009年)
 画像センシングシンポジウム優秀学術賞(2010, 2013, 2014年)
 電子情報通信学会 情報・システムソサイエティ論文賞(2013年)
<研究>
 計算機視覚、動画像処理、パターン認識・理解の研究に従事

セミナー受講料

お1人様受講の場合 47,000円[税別]/1名
1口でお申込の場合 59,000円[税別]/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。

セミナープログラム

1 機械学習による画像認識
 物体検出は、局所特徴量と統計的学習手法の組み合わせにより実現されています。顔検出として、Haar-like特徴とAdaBoost識別器について解説します。また、多クラス識別器であるRandom Forestのアルゴリズムとその応用例として、Kinectの人体姿勢推定手法について解説します。
  1.1 Haar-like特徴と顔検出
  1.2 AdaBoostのアルゴリズム
  1.3 Random Forest
  1.4 Random Forestを用いた距離画像からの人体姿勢推定

2 Deep Learningによる画像認識
 機械学習における最新の研究動向として、Deep Learning について概説し、畳み込みニューラルネットワークのしくみと画像認識への適用について解説します。また、End-to-end学習などのDeep Learningによる最新動向と今後の課題についても紹介します。
  2.1 深層学習の現在
  2.2 畳み込みニューラルネットワーク
  2.3 CNNによる画像認識
   2.3.1 一般物体認識(画像分類)
   2.3.2 物体検出
   2.3.3 セマンティックセグメンテーション
  2.4 マルチタスク

3 Explainable AI
 AIによる判断の根拠を説明するXAI(XAI: eXplainable AI)が注目されています。 深層学習がどのように認識しているかその判断根拠の可視化方法とその活用事例について紹介します。
  3.1 従来の機械学習における判断根拠の解析
  3.2 深層学習における判断根拠の解析
  3.3 アテンションマップによる視覚的説明