○ディープラーニング×画像認識の中でも注目度の高い、

畳み込みニューラルネットワークとVision Transformerを中心に解説。

○仕組みやライブラリから、物体検出・異常検知・判断根拠の可視化等の応用例、

実装に向けたノウハウまで。

畳み込みニューラルネットワークと

Vision Transformerの基礎と

画像認識への応用

【提携セミナー】

主催：株式会社情報機構

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，畳み込みニューラルネットワーク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．

◆受講後、習得できること

• ディープラーニングの基礎知識
• ディープラーニングの実装に向けたノウハウ
• 人工知能におけるディープラーニングの位置付け
  など

◆受講対象者

• ディープラーニングについての知見を得たいと考えている方
• 人工知能を業務に活かすために取り組んでいるが，実装で困っている方
• その他、本テーマに興味のある方

担当講師

中部大学　工学部　情報工学科　教授　山下 隆義 先生

■ご略歴：
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, 顔画像解析の研究開発に従事
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
2021年 中部大学教授
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．

■ご受賞歴：
・画像センシングシンポジウム高木賞（2009年）
・電子情報通信学会 情報・システムソサイエティ論文賞（2013年）
・電子情報通信学会PRMU研究会研究奨励賞（2013年）
・画像の認識・理解シンポジウム　長尾賞（2019年，2020年）受賞
など

セミナープログラム（予定）

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)
2.1　CNNの構成要素
2.1.1　畳み込み層，プーリング層，全結合層
2.2　CNNの学習方法
2.2.1　誤差逆伝播法，最適化法
2.3　汎化性能向上のテクニック
2.3.1　Dropout，データ拡張（Mixup, Cutout等）

３．代表的なネットワーク構造
3.1　VGG
3.2　GoogLeNet（Inception module）
3.3　ResNet
3.4　MobileNet

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　異常検知
4.5　判断根拠の可視化
4.6　文章生成

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．ディープラーニングの実装
6.1　畳み込みニューラルネットワークの実装
6.2　Transformerの実装
6.3　ディープラーニングのライブラリ

＜質疑応答＞

公開セミナーの次回開催予定

開催日

未定

開催場所

未定

受講料

未定

オンライン配信のご案内

★　Zoomによるオンライン配信

については、こちらをご参照ください

備考

配布資料・講師への質問等について

• 配布資料はPDF等のデータで送付予定です。受取方法はメールでご案内致します。
  （開催1週前～前日までには送付致します）。
  ＊準備の都合上、開催1営業日前の12:00までにお申し込みをお願い致します。
  （土、日、祝日は営業日としてカウント致しません。）

• 当日、可能な範囲で質疑応答も対応致します。
  （全ての質問にお答えできない可能性もございますので、予めご容赦ください。）
• 本講座で使用する資料や配信動画は著作物であり
  無断での録音・録画・複写・転載・配布・上映・販売等を禁止致します。

お申し込み方法

★下のセミナー参加申込ボタンより、必要事項をご記入の上お申し込みください。