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,実装に向けた環境,
フレームワークについて,網羅的に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 准教授 山下 隆義 先生 元 オムロン（株）
- 日時
- 会場
- 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
- 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 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。 受講者アンケートより ・アルゴリズムの解説が非常に分かりやすかった。実際に手を動かして理解を深めたい。 （大手電気メーカー：男性） ・各種手法と比較が非常に分かりやすかった。早速業務にツールを活かしたい。 （国内化学メーカー：男性） ・予備知識がほとんどなかったが、基礎から丁寧に教えていただけたので理解できた。 今日の知見を明日から使っていきたい。 （国産自動車メーカー：男性）
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 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 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 中部大学工学部情報工学科 講師 2017年 同准教授 ＜学会＞ IEEE, Computer Society / 電子情報通信学会 / 情報処理学会 ＜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