セミナー
サイトリニューアルをしました。
May 8, 2017
CNN / Transformer / 教師なし表現学習 /
GANに基づく画像認識
～基礎から最近の発展まで～
※本セミナーは都合により中止になりました。（2023/10/9 11:40 更新）
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26日（木） 10:00～17:00 |
|
|---|---|---|
| 会場 | オンライン配信セミナー |
会場地図 |
|
受講料(税込)
各種割引特典
|
51,700円
( E-Mail案内登録価格 51,700円 )
S&T会員登録とE-Mail案内登録特典について
定価：本体47,000円＋税4,700円
E-Mail案内登録価格：本体47,000円＋税4,700円
|
|
お１人様受講の場合 51,700円 （47,000円＋税4,700円）
1口でお申込の場合 62,700円 （57,000円＋税5,700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。 | |
セミナー趣旨
画像認識の分野ではDeep learningを用いることが標準となり、大量の教師付き画像とConvolutional Neural Network（CNN）の組み合わせが主流である。まずはCNNの構成要素と汎化能力の向上させるための工夫について応用例を交えながら解説する。次に、画像生成や画像変換などに利用されるGenerative Adversarial Network（GAN）の基礎理論から発展までを説明する。また、最近は教師なし表現学習とTransformerが人気のトピックであり、大量の教師付き画像とCNNからの脱却が図られている。これらの方法と最近の発展についても応用例を交えながら丁寧に説明していく。
セミナー講演内容
1 Deep learningの理論と応用例
2 Convolutional Neural Networkの理論と応用
2.1 Convolutionとその発展（CondConv, Dynamic Conv, Octave Conv）
2.2 活性化関数（ReLU, Leaky-ReLU, ELU, Swish, Mish, FReLU, GELU）
2.3 Dropout
2.4 Batch normalizationとその発展（Batch renormalization, layer normalization, instance normalization, group normalization）
2 Generative Adversarial Network
2.1 理論とその発展
2.2 Wasserstein GAN
2.3 Spectral Normalization
2.4 pix2pix
2.5 応用例：画像生成、画像変換、異常検知など
3 Transformerの理論と応用
3.1 Self-attentionとSource-target attentionとその応用（Non-local net,Dual attention netなど）
3.2 Self-attention network
3.3 Axial attention
3.4 Vision Transformerとその発展（ViT, DeiT, Swin, MLP Mixer, MetaFormerなど）
3.5 Detection and Tracking Transformer
3.6 Point Transformer
3.7 SuperResolution
4 教師なし表現学習の理論と応用
4.1 SimCLR
4.2 BYOL
4.3 SimSiam
4.4 Barrow Twins
4.5 DINO
5 Generative Adversarial Networkの理論と応用
5.1 理論とその発展
5.2 Wasserstein GAN（WGAN, WGAN-GP）
5.3 Spectral Normalization
5.4 pix2pix, cycleGAN
5.5 SinGAN
2 Convolutional Neural Networkの理論と応用
2.1 Convolutionとその発展（CondConv, Dynamic Conv, Octave Conv）
2.2 活性化関数（ReLU, Leaky-ReLU, ELU, Swish, Mish, FReLU, GELU）
2.3 Dropout
2.4 Batch normalizationとその発展（Batch renormalization, layer normalization, instance normalization, group normalization）
2 Generative Adversarial Network
2.1 理論とその発展
2.2 Wasserstein GAN
2.3 Spectral Normalization
2.4 pix2pix
2.5 応用例：画像生成、画像変換、異常検知など
3 Transformerの理論と応用
3.1 Self-attentionとSource-target attentionとその応用（Non-local net,Dual attention netなど）
3.2 Self-attention network
3.3 Axial attention
3.4 Vision Transformerとその発展（ViT, DeiT, Swin, MLP Mixer, MetaFormerなど）
3.5 Detection and Tracking Transformer
3.6 Point Transformer
3.7 SuperResolution
4 教師なし表現学習の理論と応用
4.1 SimCLR
4.2 BYOL
4.3 SimSiam
4.4 Barrow Twins
4.5 DINO
5 Generative Adversarial Networkの理論と応用
5.1 理論とその発展
5.2 Wasserstein GAN（WGAN, WGAN-GP）
5.3 Spectral Normalization
5.4 pix2pix, cycleGAN
5.5 SinGAN
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。