Vision Transformerの仕組み

セミナー趣旨

  　自己注意機構を活用したニューラルネットワークであるTransformerは、機械翻訳タスクでSoTAを達成し実用化を加速させている。このTransformerをコンピュータビジョンタスクに適用したモデルがVision Transformerであり、2019年以降、急速に応用と改良が加えられている。Vision Transformerは、CNNとは異なる新たな特徴表現獲得が可能となり、テクスチャノイズに対してロバストな認識が可能となっている。
　本講座ではVision Transformerについて従来の手法と対比しながらその仕組みを解説し、コンピュータビジョン応用を中心とした最前線についても紹介する。

セミナープログラム

　1　再帰型ニューラルネットワークの仕組み

　　1.1　再帰型ニューラルネットワーク（RNN）
　　1.2　LSTM
　　1.3　Seq2seq

　2　Vision Transformerの仕組み
　　2.1　Transformer
　　2.2　VIsion Transformer（ViT）
　　2.3　ViTによる画像認識
　　2.4　ViTによる特徴表現獲得

　3　ViTの最新動向

　　3.1　ViTの派生手法（Swin Transformer, ConvNeXtなど）
　　3.2　ViTの派生手法の傾向

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　49,500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。