セミナー 印刷

【Live配信(リアルタイム配信)】
【出席者特典:アーカイブ付(5日間視聴OK)】

畳み込みニューラルネットワークの基礎と
画像認識活用事例・判断根拠の理解

■実践的に活用できる内容を網羅的に説明します。■

“セミナーの出席者に限り”、特典としてアーカイブ(5日間視聴可能)も付いていますので、
繰り返しの視聴学習が可能です。
(※原則編集は行いません。3営業日以内を目途にZoomのURLまたは当社サイトのマイページからご視聴いただけます。)

本セミナーは、Zoomによる【Live配信受講:アーカイブ付】のみです。
※詳細につきましては下記「オンライン配信」の項目をご確認ください。
★ DeepLearning(ディープラーニング)を、基礎から応用事例まで解説!
★ 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とは!?
★ 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解説します。
日時 2021年2月25日(木)  10:30~16:30
会場 Live配信セミナー(リアルタイム配信) ※会社・自宅にいながら学習可能です※  
会場地図
講師 中部大学 工学部 情報工学科 准教授 山下 隆義 氏
受講料(税込)
各種割引特典
55,000円 ( E-Mail案内登録価格 52,250円 ) S&T会員登録について
定価:本体50,000円+税5,000円
E-Mail案内登録価格:本体47,500円+税4,750円
E-Mail案内登録なら、2名同時申込みで1名分無料 1名分無料適用条件
2名で55,000円 (2名ともE-Mail案内登録必須​/1名あたり定価半額27,500円)
テレワーク応援キャンペーン(1名受講)【Live配信/WEBセミナー受講限定】
1名申込みの場合:受講料( 定価:49,500円/E-Mail案内登録価格 46,970円 ) 

49,500円 ( E-Mail案内登録価格 46,970円 ) 
 定価:本体45,000円+税4,500円
 E-Mail案内登録価格:本体42,700円+税4,270円
1名様でLive配信/WEBセミナーを受講する場合、上記特別価格になります。
※お申込みフォームで【テレワーク応援キャンペーン】を選択のうえお申込みください。
※他の割引は併用できません。
特典※出席参加者に限り、アーカイブ:録画映像(5日間視聴可)も付いています。繰り返しの視聴学習が可能!
(※原則編集は行いません。3営業日以内を目途にZoomのURLまたは当社サイトのマイページからご視聴いただけます。)
配布資料PDFデータ(印刷可/編集は不可)
※PDFデータは、セミナー開催日の2日前を目安にマイページからダウンロード可能になります。
オンライン配信【ZoomによるLive配信】
・本セミナーはビデオ会議ツール「Zoom」を使ったライブ配信セミナーとなります。
・お申込み受理のご連絡メールに接続テスト用のURL、ミーティングID​、パスコードが記されております。
 「Zoom」をインストールができるか、接続できるか等をご確認下さい。
・セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。講師へのご質問も可能です。
・お申込みの際は、接続確認用URL(https://zoom.us/test)にアクセスして接続できるか等ご確認下さい。
・開始時に視聴できないなどのお問い合わせが増えています。予めZoomのテスト確認を必ずお願いいたします。
 Zoomのテスト
 http://zoom.us/test
 音声に関するQ&A
 https://support.zoom.us/hc/ja/articles/115002262083
 Zoomのアプリの他、ブラウザによる視聴環境について
 https://support.zoom.us/hc/ja/articles/214629443-Zoom
 Internet Explorer 10以降       Chromium Edge 80以降
 Google Chrome 53.0.2785以降    Safari 10.0.602.1.50以降
 Firefox 76以降
備考※資料付
※講義中の録音・撮影はご遠慮ください。
※開催日の概ね1週間前を目安に、最少催行人数に達していない場合、セミナーを中止することがございます。

セミナー趣旨

 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。

セミナー講演内容

<得られる知識・技術>
 画像処理、機械学習など

<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.画像生成モデル
  9.1 Generative Adversarial Network(GAN)
  9.2 条件付きGAN
  9.3 Pix2Pix

10.ディープラーニングのフレームワーク
 10.1 Chainer による実装
 10.2 Pytorch による実装
 10.3 Neural Network Console


  □質疑応答□