セミナー


Deep Learningによる高精度な画像認識の手法と判別根拠の可視化技術
~学習データの準備・データ拡張・可視化手法を具体的に学ぶ~

開催主旨

 ここ数年、AI(Artificial Intelligence、人工知能)の応用が急速に進展しています。劇的な認識率の向上をもたらしAI分野を発展させたのが、脳の働きからヒントを得た学習手法である「Deep Learning(深層学習)」のアルゴリズムであり、実装が容易なライブラリの登場によりユーザー数が増大しています。
 Deep Learningによる画像処理により高い認識率が多く報告されていますが、高精度化を図るためにはNeural Networkの構造を理解し、かつ学習データの品質の確保が求められます。本講座では、物体検出のための最新のNeural Networkの構造から、データ拡張の手法、高精度化のための学習データの準備の仕方までを解説します。
 また、後段では、Deep Learningの判別根拠を可視化する最新の研究例を解説。Deep Learningは、膨大に存在するデータから巨大なNeural Networkを学習するため、何らかの事象について正しい推定ができたとしても、その理由や根拠を示すのが難しいです。また、Deep Learningにおける判断プロセスは基本的にはブラックボックスであり、AIが導出した回答の理由や根拠を十分な形で提示できず、結果、品質保証の分野等でのAIの利活用が停滞しています。紹介する研究例は、それに一石を投じる有意なものであり、外観検査等での利用が期待されます。

概要

日時 2020年 1月27日(月)10:00~17:00
会場 日刊工業新聞社 大阪支社 セミナールーム
受講料

44,000円(テキスト代、税込)

※振込手数料は貴社でご負担願います。
※同一会場にて同時複数人数お申し込みの場合、2人目より10%割引いたします(39,600円)
ただし、同セミナーを受講される場合のみ適用させて頂きます。

主催 日刊工業新聞社
協力 中部大学 山下研究室
お問い合わせ先 日刊工業新聞社
大阪支社 事業出版部 セミナー係
TEL : 06-6946-3382
FAX : 06-6946-3389
E-mail : seminar-osaka@media.nikkan.co.jp

講師

山下 隆義 氏

会場アクセス

日刊工業新聞社 大阪支社
セミナールーム
大阪市中央区北浜東2-16
セミナー会場案内図

このセミナーを申し込む

プログラム

1 Deep Learning(深層学習)の現在
1.1 Deep Learningでできること
1.2 何がDeep Leaning ?
1.3 注目されるきっかけ
2 Convolutional Neural Network(CNN、畳み込みニューラルネットワーク)
2.1 Convolutional Neural Networkの構造
2.2 Convolutional Neural Networkの学習
2.3 汎化性能を向上させる方法
2.4 バッチ学習とバッチ正規化
2.5 学習データの重要性
2.6 データ拡張の方法(Cutout/Random Erasing、Mixup等)
3 代表的なネットワーク構造
3.1 AlexNet
3.2 VGG
3.3 GoogLeNet
3.4 ResNet
3.5 ResNetの派生ネットワーク
4 物体検出のネットワーク構造と特徴
4.1 Fast R-CNN
4.2 Faster R-CNN
4.3 R-FCN
4.4 YOLO
4.5 SSD
4.6 最新のネットワーク構造(SegNet、U-Net、PSNet、DeepLab V3ほか)
5 DeepLaerningを活用した新たなモノづくり・仕事
5.1 モノづくりへのDeep Learningの活用
5.2 ピッキングロボットシステム(Amazon Robotics Challenge、World Robot Summit)
5.3 CNNによるリアルタイム物体検出
5.4 End-to-End学習による自動運転
5.5 一貫学習による自動走行
5.6 自動運手に必要な物体検出
6 Deep Learningの判断根拠の可視化
6.1 Deep Learningが着目しているところ(ネットワークの可視化、DrawNetなど)
6.2 着目領域の可視化手法(Class Activation Mapping:CAMなど)と問題点
6.3 着目領域を活用した精度向上方法(Attention Branch Network:ABN)
6.4 眼底画像の疾患判定への適用、自動運転と判断根拠の同時獲得、自動運転制御の視覚的説明、アテンションの言語説明
6.5 不確実性を考慮したABN、Bayesian ABN
6.6 手動によるネットワークの調整、Attention mapの調整
6.7 ABNのファインチューニング
7 高い精度を達成するために必要なものは?
7.1 Deep Learningの三種の神器(アルゴリズム、データセット、計算機リソース)
7.2 データの重要性
7.3 良質なデータとは

このセミナーを申し込む

一覧へ戻る

日刊工業新聞社関連サイト・サービス

このサイトでは、アクセス状況の把握や広告配信などのためにクッキー(Cookie)を使用してしています。このバナーを閉じるか閲覧を継続した場合、クッキーの使用に同意したこととさせていただきます。なお、クッキーの設定や使用の詳細についてはプライバシーポリシーページをご覧ください。

閉じる