画像認識技術を実践的に活用するための
畳み込みニューラルネットワークの基礎,
画像認識への応用ネットワークの可視化視覚的説明
【WEB受講(Zoomセミナー)

セミナー
リーフレット
印刷はこちら
ディープラーニングの現状,仕組み,画像認識への応用事例, 画像認識の最新技術,
自動運転に活用できる技術について,事例を交え詳しく解説する特別セミナー!!
講師
中部大学 工学部情報工学科 教授  山下 隆義 先生
元 オムロン株式会社
日時
2021/6/4(金)10:00〜16:00
会場

*本セミナーはWEB受講のみとなります。

会場案内
受講料 (消費税等込み)1名:49,500円 同一セミナー同一企業同時複数人数申込みの場合 1名:44,000円
講師
中部大学 工学部情報工学科 教授  山下 隆義 先生
元 オムロン株式会社
日時
2021/6/4(金)10:00〜16:00
会場

*本セミナーはWEB受講のみとなります。

会場案内
受講料 (消費税等込み)1名:49,500円 同一セミナー同一企業同時複数人数申込みの場合 1名:44,000円
受講形式
 WEB受講のみ
 *こちらの セミナーはZoomシステムを使用したオンラインセミナーとなります。


受講対象
業種に関わらず研究者・開発者・技術者向け


習得知識 
1)ディープラーニングの現在と仕組み 
2)画像認識への応用事例 
3)画像認識の最新技術 
4)自動運転に活用できる技術 など 


講師の言葉  
 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の様々な 
タスクに応用が進んでいます。  本セミナーでは、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 事例について説明します。  
 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応用方法、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ついても紹介し、実践的に活用できる内容を 
網羅的に説明します。 

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
 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 バッチ正規化
 5.3 インスタンス正規化
 5.4 データ拡張(Mixup, Cutout 等)

6 物体検出への応用
 6.1 Faster R-CNN
 6.2 YOLO
 6.4 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
 7.5 DeepLab V3

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 最新技術
 9.1 Self-Attention Network
  9.2 Vision Transformer

10 ディープラーニングの実装
 10.1 Pytorch による実装
 10.2 Neural Network Console


講師紹介
略歴
2014年 中部大学工学部情報工学科 講師,准教授を経て
2021年 同教授
所属学会等
IEEE, 電子情報通信学会,情報処理学会,人工知能学会,日本ディープラーニング協会有識者会員
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
ほか 多数