ディープラーニングの基礎として、ニューラルネットワーク,畳み込みニューラルネットワークの構造と特徴,
画像認識技術・自動運転を含めた活用事例と、そのネットワーク構造と特徴を網羅的に解説する特別セミナー！！
- 講師
-
中部大学 工学部情報工学科 准教授 博士（工学） 山下 隆義 先生
- 日時
- 会場
-
- 受講料
-
（消費税等込み）1名：48,600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：43,200円
- テキスト
受講概要
受講対象
業種に関わらず研究者・開発者・技術者向け
予備知識
画像処理の基礎
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
講師の言葉
本セミナーでは最近注目されているDeepLearning（ディープラーニング）について，基礎的なところから応用事例まで紹介します。 基礎的なところでは、ニューラルネットワーク，畳み込みニューラルネットワークについて、その構造と特徴を紹介します。 応用事例では、画像認識分野を中心に様々な応用事例とそのネットワーク構造および特徴を網羅的に紹介します。
プログラム
1 ディープラーニングとは？ 1.1 ディープラーニングの現在 1.2 ディープラーニング関連手法の大別 1.3 何がディープラーニング？ 2 ニューラルネットワーク 2.1 パーセプトロン 2.2 誤り訂正学習 2.3 誤差逆伝播法 2.4 確率的勾配降下法 3 畳み込みニューラルネットワーク 3.1 畳み込みニューラルネットワークの構造 ・畳み込み層 ・プーリング層 ・全結合層 ・出力層 3.2 畳み込みニューラルネットワークの学習 ・学習の流れ ・ミニバッチ学習 3.3 汎化性能を向上させる方法 ・ドロップアウト ・バッチ正規化 ・Cutout/Random Erasing ・Mixup 4 画像認識分野における活用事例 4.1 物体認識 ・AlexNet ・VGG ・GoogLeNet ・ResNet ・SENet 4.2 物体検出 ・Fast R-CNN ・Faster R-CNN ・YOLO ・SSD 4.3 顔器官・姿勢推定 ・Convolutional Pose Machines ・OpenPose 4.4 セグメンテーション ・SegNet ・FCN ・U-Net ・PSPNet ５ その他の活用事例 5.1 Generative Adversarial Network （GAN） ・DCGAN ・Pix2Pix 5.2 深層強化学習 ・DQN ・A3C ・UNREAL 講師紹介 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) 2014年 中部大学講師 2017年 中部大学准教授 人の理解に向けた動画像処理，パターン認識・機械学習の研究に従事． 所属学会など 電子情報通信学会，情報処理学会，人工知能学会所属，ディープラーニング協会有識者会員