畳み込みニューラルネットワークとVision Transformerの基礎と画像認識への応用

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．また，近年は自然言語分野で提案されたTransformerを応用したVision Transformerなど新たな手法も提案されている．
　本講義では，畳み込みニューラルネットワークとVision Transformerについて，仕組みと画像認識分野への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実装方法についても紹介し，実践的に活用できる知識を身につける．

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（CNN:Convolutional Neural Networks）
　2.1　CNNの構成要素
　　2.1.1　畳み込み層，プーリング層，全結合層
　2.2　CNNの学習方法
　　2.2.1　誤差逆伝播法，最適化法
　2.3　汎化性能向上のテクニック
　　2.3.1　Dropout，データ拡張（Mixup, Cutout等）

3　代表的なネットワーク構造
　3.1　VGG
　3.2　GoogLeNet（Inception module）
　3.3　ResNet
　3.4　MobileNet

4　画像認識分野への応用
　4.1　物体検出
　4.2　セグメンテーション
　4.3　姿勢推定
　4.4　異常検知
　4.5　判断根拠の可視化
　4.6　文章生成

5　Vision Transformer
　5.1　アテンション構造
　5.2　Transformer
　5.3　Vision Transformer
　5.4　DINO（自己教師あり学習）

6　ディープラーニングの実装
　6.1　畳み込みニューラルネットワークの実装
　6.2　Transformerの実装
　6.3　ディープラーニングのライブラリ

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。