ディープラーニングによる物体検出システムとその実装方法 ～ Faster R-CNN の基礎・使い方から精度向上・モデル評価まで～

セミナー趣旨

　ディープラーニングは画像識別の大きな精度向上からブレークしましたが、画像識別が応用システムとして利用される場面は少なく、利用されるのは主に物体検出の技術です。物体検出とは画像内から対象とした物体の位置とラベルを検出する問題です。現在、物体検出においてもディープラーニングにより大きな精度向上がなされており、外観検査、医療画像、自動運転など多くのシステムに利用されています。
本セミナーのポイントは Faster R-CNN のアルゴリズムとそのコードを理解することです。Faster R-CNN はディープラーニングによる物体検出の手法です。多くの学習済みモデルが公開されているため、そのモデルを利用すれば物体検出を行うことができます。また学習のプログラムも公開されているので、訓練データを用意すれば、自身の問題に対するモデルを構築することも容易です。
　ただ、このように既存に提供されるものを使うだけであれば、細かな改良ができません。実際の物体検出の課題には、その問題に応じてチューニングしなくてはならない部分が出てくると思います。その際に利用するプログラムの中身を知っておく必要があります。また単に既存に提供されるモデルを使うだけであっても、内部の処理を知っている方が安心して使えます。
　このような観点から、本セミナーでは種々の改良が容易な物体検出のアルゴリズムとしてFaster R-CNN を選択し、そのアルゴリズムとコードの理解を主の目的とします。
また物体検出のモデルの精度を上げるために、Data Augmentation という手法が併用されます。ここでは標準的な Data Augmentation の手法をいくつか紹介し、学習アルゴリズムに組み込む方法を解説します。さらにここで学ぶ学習プログラムが、実際に自身の問題に応用できるように、訓練データの作成方法についても解説します。具体的にはアノテーションツールの LabelImg というソフトの利用法を紹介します。最後に作成できたモデルを評価するための mAP という指標について解説し、mAP を算出するツールとその使い方を紹介します。

受講対象・レベル

・物体検出とは何かを知りたい方
・Faster R-CNN のアルゴリズムを理解したい方
・Faster R-CNN のアルゴリズムを改良したい方
・物体検出の Data Augmentation の手法を知りたい方
・実際に自分の問題に対する物体検出システムを構築したい方
　など

習得できる知識

・物体検出の概要
・Faster R-CNN のアルゴリズム
・Data Augmentation の標準手法
・LabelImg の使い方
・mAP の算出方法
　など

セミナープログラム

1. ディープラーニングを用いた物体検出の概要
　 物体検出の概要を解説します。ディープラーニングを用いた物体検出の手法としては YOLO、SDD そして Faster
    R-CNN の3つが代表的な手法です。YOLO、SDD については概要を説明し、Faster R-CNN については R-CNN、
    Fast R-CNN そして Faster R-CNN と発展した流れを説明します。最後に最新の話題として Transformer の技術を
    用いた DETR という物体検出手法を紹介します。

　1-1) 物体検出とは
　1-2) R-CNN, Fast R-CNN, Faster R-CNN
　1-3) Yolo、SDD
　1-4) DETR

2. Faster R-CNN のアルゴリズムおよび使い方
　 Faster R-CNN のアルゴリズムの全体を示した後に、実際のコードを実行しながら、そこで行っている処理を説明
    します。中心となる処理は Region Proposal network です。この部分の処理を中心に解説します。

　2-1) 全体のネットワーク
　2-2) Feature Map の作成
　2-3) Region Proposal network (RPN)
　2-4) Region of Interest Pooling (ROI)
　2-5) Non-Maximun Suppression (NMS)
　2-6) 損失関数

3. 物体検出モデルの精度向上：Data Augmentation
　 Data Augmentation とは訓練データの水増し手法です。例えば画像識別では画像を反転させても写っている物体は
    変化せず同じラベルが与えられるので、訓練データを増やせます。物体検出に対しても Data Augmentation は
    効果があります。ここでは物体検出で使われる代表的な Data Augmentation である「色の変換」、「拡大縮小」、
   「切り出し」及び「反転」の機能を説明します。

　3-1) 色の変換
　3-2) 拡大縮小
　3-3) 切り出し
　3-4) 反転

4. 訓練データの作成方法：アノテーションツール
　 物体検出の訓練データを作るには手間がかかります。画像は比較的容易に集められますが、対応する教師情報である
    ラベルや位置の情報（Bounding Box)を付与するのは大変な作業です。特に Bounding Box は見ただけではその
    数値が判断できないため、物体検出の訓練データを作るにはアノテーションツールが必要です。ここでは評判の
    高い LabelImg というアノテーションツールを紹介します。

　4-1) LabelImg のインストール
　4-2) ラベルの設定
　4-3) 保存形式の設定
　4-4) アノテーション

5. 物体検出のモデルの評価
　 物体検出のモデルを評価するのは難しい問題です。標準的な評価尺度として mAP (mean Average Precision) が
    使われています。これは文字通り AP の平均です。AP は各ラベルに対して算出されるもので、ラベルに対して
    AP の平均をとったものが mAP です。AP の測り方は複雑なため、通常はツールを使って、mAP を算出します。
    ここでは mAP の算出方法とそのためツールを紹介します。

　5-1) mAP
　5-2) PR曲線
　5-3) ツール

＜質疑応答＞

セミナー講師

 新納 浩幸 先生   茨城大学 工学部　情報工学科　教授 　

セミナー受講料

【オンライン(ライブ配信)（見逃し視聴なし）】：1名41,800円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき30,800円

【オンライン(ライブ配信)（見逃し視聴あり）】：1名46,200円(税込（消費税10％）、資料付)
＊1社2名以上同時申込の場合、1名につき35,200円

＊学校法人割引；学生、教員のご参加は受講料50％割引。

受講について

※本講座は、お手許のPCやタブレット等で受講できるオンラインセミナーです。

配布資料・講師への質問等について

• 配布資料は、印刷物を郵送で送付致します。
  お申込の際はお受け取り可能な住所をご記入ください。
  お申込みは4営業日前までを推奨します。
  それ以降でもお申込みはお受けしておりますが（開催1営業日前の12:00まで）、
  テキスト到着がセミナー後になる可能性がございます。
• 当日、可能な範囲で質疑応答も対応致します。
  （全ての質問にお答えできない可能性もございますので、予めご容赦ください。）
• 本講座で使用する資料や配信動画は著作物であり、
  無断での録音・録画・複写・転載・配布・上映・販売等を禁止致します。

下記ご確認の上、お申込み下さい

• PCもしくはタブレット・スマートフォンとネットワーク環境をご準備下さい。
• ご受講にあたり、環境の確認をお願いしております（20Mbbs以上の回線をご用意下さい）。
  各ご利用ツール別の動作確認の上、お申し込み下さい。
• 開催が近くなりましたら、当日の流れ及び視聴用のURL等をメールにてご連絡致します。

Zoomを使用したオンラインセミナーとなります

• ご受講にあたり、環境の確認をお願いしております。
  お手数ですが下記公式サイトからZoomが問題なく使えるかどうか、ご確認下さい。
  → 確認はこちら
  ※Skype／Teams／LINEなど別のミーティングアプリが起動していると、Zoomでカメラ・マイクが使えない事があります。お手数ですがこれらのツールはいったん閉じてお試し下さい。
• Zoomアプリのインストール、Zoomへのサインアップをせずブラウザからの参加も可能です。
  ※一部のブラウザは音声（音声参加ができない）が聞こえない場合があります。
  　必ずテストサイトからチェック下さい。
  　対応ブラウザーについて(公式) ;
  　「コンピューターのオーディオに参加」に対応してないものは音声が聞こえません。

申込み時に（見逃し視聴有り）を選択された方は、見逃し視聴が可能です

• 開催5営業日以内に録画動画の配信を行います（一部、編集加工します）。
• 視聴可能期間は配信開始から1週間です。
  セミナーを復習したい方、当日の受講が難しい方、期間内であれば動画を何度も視聴できます。
  尚、閲覧用のURLはメールにてご連絡致します。
  ※万一、見逃し視聴の提供ができなくなった場合、
  （見逃し視聴有り）の方の受講料は（見逃し視聴無し）の受講料に準じますので、ご了承下さい。
  →こちらから問題なく視聴できるかご確認下さい（テスト視聴動画へ）パスワード「123456」