セミナー
サイトリニューアルをしました。
May 8, 2017
画像認識のためのディープラーニングとモデルの軽量化
受講可能な形式：【Live配信】のみ
このセミナーの受付は終了致しました。
| 日時 | 2023年10月20日（金） 10:30～17:00 |
|
|---|---|---|
| 会場 | オンライン配信セミナー |
会場地図 |
| 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 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 / 人工知能学会 ＜研究テーマ＞ 物体検出、物体追跡、パターン認識、深層学習、機械学習 ＜受賞＞ 2020年8月 画像の認識・理解シンポジウム(MIRU) 長尾賞 2020年5月 電子情報通信学会 論文賞 2019年8月 画像の認識・理解シンポジウム(MIRU) 長尾賞 2015年6月 画像センシングシンポジウム(SSII) 最優秀学術賞 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 2009年6月 SSII2009 高木賞受賞 2007年6月 CVPR2007 Best Student Award 受賞 |
|
|
受講料(税込)
各種割引特典
|
53,900円
( E-Mail案内登録価格 53,900円 )
S&T会員登録とE-Mail案内登録特典について
定価：本体49,000円＋税4,900円
E-Mail案内登録価格：本体49,000円＋税4,900円
|
|
お１人様受講の場合 53,900円 （49,000円＋税4,900円）
1口でお申込の場合 66,000円 （60,000円＋税6,000円／1口（3名まで受講可能）） ※S&T E-Mail案内登録価格 S&T複数同時申込み割引対象外 ※開催7日前に請求書を発送します。 ※開催日から9日前以降のキャンセルは受講料全額を申受けます。但し、セミナー終了後テキストを郵送します。 一旦、納入された受講料はご返金できません。当日ご都合のつかない場合は代理の方がご出席下さい。 ※サイエンス＆テクノロジーが設定しているアカデミー価格・キャンセル規定対象外のセミナーです。 |
||
| 主催 | (株)トリケップス | |
| オンライン配信 | ★本セミナーは、Zoomウェビナーを使用して行います。 受講者の通信回線にセキュリティなどの制限がある場合は参加できないことがあるため、 事前に当日ご利用予定の通信回線にて、 Zoom公式ページ（https://zoom.us）にアクセスできることをご確認していただくようお願いします。 または、Zoomのテストミーティング（http://zoom.us/test）にアクセスできることをご確認ください。 Zoomをダウンロードしている方はマイクとスピーカーのテストも可能です。 ※こちらは接続テスト用のミーティングです。実際のセミナー参加者画面とは異なります。 ★インターネット経由でのライブ中継ため、回線状態などにより、画像や音声が乱れる場合があります。 講義の中断、さらには、再接続後の再開もありますが、予めご了承ください。 ★受講中の録音・撮影等は固くお断りいたします。 ※開催5日前までに主催会社(株)トリケップスから参加者に当日必要なURLとパスワードをメールにてお知らせします。 | |
| 備考 | ★受講申込者が必要定員に満たないセミナーは中止・延期させていただく場合があります。 その場合は開催1週間前にご連絡します。 ★1口でお申込の場合 代表受講者を定めて下さい。請求書発送等の連絡は代表受講者へ行います。 申込時に参加者全員の氏名・所属が明記されていない場合、ご参加できない場合があります。 | |
このセミナーは終了しました。
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で様々なタスクへの応用が進んでいる。また、近年は自然言語分野で提案されたTransformerを応用したVision Transformerなど新たな手法も提案されている。
本講義では、畳み込みニューラルネットワークとVision Transformerについて、仕組みと画像認識分野への応用事例について説明する。また、ネットワークモデルの軽量化技術についても説明する。これらの実装方法についても紹介し、実践的に活用できる知識を身につける。
本講義では、畳み込みニューラルネットワークとVision Transformerについて、仕組みと画像認識分野への応用事例について説明する。また、ネットワークモデルの軽量化技術についても説明する。これらの実装方法についても紹介し、実践的に活用できる知識を身につける。
セミナー講演内容
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 CNNの構成要素
2.2 CNNの学習方法
2.3 汎化性能向上のテクニック
3 代表的なネットワーク構造
3.1 ResNet
3.2 MobileNet
3.3 EfficientNet
4 画像認識分野への応用
4.1 物体検出
4.2 セグメンテーション
4.3 姿勢推定
4.4 判断根拠の可視化
5 Vision Transformer
5.1 アテンション構造
5.2 Transformer
5.3 Vision Transformer
5.4 DINO（自己教師あり学習）
6 モデルのコンパクト化
6.1 枝刈り
6.2 蒸留
6.3 重み分解
7 ディープラーニングの実装
7.1 畳み込みニューラルネットワークの実装
7.2 Transformerの実装
7.3 ディープラーニングのライブラリ
2 畳み込みニューラルネットワーク（CNN:Convolutional Neural Networks）
2.1 CNNの構成要素
2.2 CNNの学習方法
2.3 汎化性能向上のテクニック
3 代表的なネットワーク構造
3.1 ResNet
3.2 MobileNet
3.3 EfficientNet
4 画像認識分野への応用
4.1 物体検出
4.2 セグメンテーション
4.3 姿勢推定
4.4 判断根拠の可視化
5 Vision Transformer
5.1 アテンション構造
5.2 Transformer
5.3 Vision Transformer
5.4 DINO（自己教師あり学習）
6 モデルのコンパクト化
6.1 枝刈り
6.2 蒸留
6.3 重み分解
7 ディープラーニングの実装
7.1 畳み込みニューラルネットワークの実装
7.2 Transformerの実装
7.3 ディープラーニングのライブラリ
このセミナーは終了しました。
当サイトはグローバルサイン社によりセキュリティ認証をされています。
SSL対応ページ（https）からの情報送信は暗号化により保護されます。
SSL対応ページ（https）からの情報送信は暗号化により保護されます。