化学品の市場調査、研究開発の支援、マーケット情報の出版

~ CNN:Convolutional Neural Network ~
 
☆☆☆ Web配信セミナー ☆☆☆
☆☆☆ 本セミナーは、Zoom/ウェビナーを使用して、行います。☆☆☆

トリケップスセミナー

  開催日時:2020年6月5日(金)10:30~17:00
  参 加 費:お1人様受講の場合 47,000円 (税別/1名)
      1口(1社3名まで受講可能)でお申し込みの場合 59,000円 (税別/1口)

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 准教授(工学博士)

<経 歴>
 2002年 奈良先端科学技術大学院大学博士前期課程修了。
 2002年 オムロン株式会社入社。
 2011年 中部大学大学院博士後期課程修了(社会人ドクター)。

<学 会>
 IEEE, Computer Society / 電子情報通信学会 / 情報処理学会

<研究テーマ>
 物体(顔・人など)検出、物体追跡、ジェスチャー認識

<受 賞>
 2013年6月 電子情報通信学会 PRMU研究会 研究奨励賞 受賞
 2013年6月 電子情報通信学会 情報・システムソサイエティ論文賞 受賞
 2011年11月 ACPR2011 Best poster award 受賞
 2011年6月 SSII2011 オーディエンス賞 受賞
 2010年7月 MIRU2010 ベストインタラクティブ賞 受賞
 2010年7月 MIRU2010 優秀学生発表賞 受賞
 2009年6月 SSII2009 高木賞受賞。
 2007年6月 CVPR2007 Best Student Award 受賞

セミナーの概要

 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.
 本講義では,畳み込みニューラルネットワークの基礎と画像認識分野における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判断根拠の視覚的説明や,実装に向けた環境やディープラーニングフレームワークによるサンプルコードの説明など実践的に活用できる内容を網羅的に説明する.

講義項目

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 畳み込み層
 2.2 プーリング層
 2.3 全結合層
 2.4 出力層

3 畳み込みニューラルネットワークの学習
 3.1 誤差逆伝播法
 3.2 最適化法(SGD / Adam / RMSProp)

4 ネットワーク構造
 4.1 AlexNet
 4.2 VGG
 4.3 GoogLeNet
 4.4 ResNet
 4.5 SE-Net

5 汎用性を向上させるためのテクニック
 5.1 Dropout
 5.2 Batch Normalization
 5.3 インスタンス正規化
 5.4 大規模データセットの活用
 5.5 データ拡張(Mixup, Cutout等)

6 物体検出への応用
 6.1 Fast R-CNN
 6.2 YOLO
 6.3 SSD

7 セグメンテーションへの応用
 7.1 FCN
 7.2 SegNet
 7.3 U-Net
 7.4 PSP Net

8 判断根拠の可視化
 8.1 CAM
 8.2 CAM Grad
 8.3 Attention Branch Network
 8.4 判断根拠を活用した精度向上

9 ディープラーニングのフレームワーク
 9.1 Chainerによる実装
 9.2 Pytorchによる実装
 9.3 Neural Network Console等