以下の類似セミナーへのお申込みをご検討ください。
画像認識のためのディープラーニングとモデルの軽量化
小規模データに対する機械学習の効果的適用法
■AI活用人材育成講座■『機械学習(ディープラーニング)の基礎・活用・実践<全3回>』
機械学習を用いた画像認識技術の基礎とその応用
■AI活用人材育成講座<第2回>■『ディープラーニングと機械学習プロジェクトの進め方』
小規模データに対する機械学習の効果的適用法
ベイズ統計から学ぶ統計的機械学習
画像認識技術入門
【中止】小規模データセットのための実践的ディープラーニング
開催日 |
11:00 ~ 17:00 締めきりました |
---|---|
主催者 | 株式会社トリケップス |
キーワード | 機械学習・ディープラーニング |
開催エリア | 東京都 |
開催場所 | 【千代田区】オームビル |
交通 | 【地下鉄】神保町駅・竹橋駅・小川町駅・新御茶ノ水駅 |
データ拡張、深層生成モデル、ドメイン適応など
ディープラーニングにおいて少ないデータ量でも
性能を得る手法について、実例とともに紹介!
セミナー講師
松原 崇 氏 神戸大学大学院 システム情報学研究科 助教 (博士(工学))
・経歴
2015年 大阪大学大学院基礎工学研究科 博士後期課程修了
2018年度 人工知能学会 全国大会優秀賞 (一般セッション口頭部門)
・所属学会
IEEE、電子情報通信学会、人工知能学会
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。
セミナー趣旨
ディープラーニングはデータから帰納的に識別モデルを構築するため、十分な性能を得るためには大量のデータを集めなければならない。しかし実用上、目的に合わせて大量のデータを収集することは非常に困難である。そのため
・識別対象に対する知識を使うことでディープラーニングに制約を課す(データ拡張、深層生成モデル)
・別のデータで得られた知見を応用する(ドメイン適応)などの工夫を行うことで、比較的少ないデータ量でも悪くない性能を達成することができる。データ拡張とはデータに手を加えて量を増やすことである。例えば、自動車の画像は拡大縮小・左右反転させても自動車として識別されてほしい。そのような操作を加えることで、元の画像の大きさに依存せずに、普遍的な特徴を学習する。またドロップアウト(dropout)のように、データにノイズを加える手法もある。それだけでなく、一部を切り取ったりくっつけたりすることもある。なぜこのような手法が有効なのか、理論的な背景も含めて説明する。
また深層生成モデル(変分自己符号化器VAEや敵対的生成ネットワークGAN)はリアルな擬似データを作ることができるが、この擬似データを追加の学習データにすることもできる。また深層生成モデルそのものを分類に使うことで、小規模データの分類も可能である。
ドメイン適応は目的以外に大規模データセットが存在するときに有効な方策である。ImageNetのような大規模データで学習した特徴量を流用したり、ラベルを付与したデータの情報から、ラベルを与えていないデータを学習を手助けしたりできる。これらの手法について、いくつかの実例とともに紹介していく。
セミナープログラム
1. ディープラーニング入門
1.1. ディープラーニングとは
1.2. ディープラーニングの現状
1.3. データ量と性能の関係
2. データの増やし方
2.1. 一般的なデータ拡張とその意味
2.2. 一般的でないデータ拡張と用途
2.3. 生成モデルを用いたデータ拡張
2.4. 生成モデルを用いた設計
3. ドメイン適応と転移学習
3.1. 転移学習
3.2. ドメイン適応
3.3. ドメイン適応を用いたデータ拡張
4. その他の話題