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、3時間集中講座として解説します。
　また、終盤では、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。

　本セミナーは、オンライン配信ツールZoomを使い、出演者自身も自宅から出演いただく形式の「Home to Home」（H2H）セミナーとなります。ご視聴方法（参加用URL等）はご登録くださいましたメールにお知らせいたします。ZOOMでの視聴が困難な方には別途、こちらの手順を参照のうえブラウザ上でご視聴ください。本方法での視聴が難しい方は、他の視聴方法をご案内いたしますので問い合わせ先のメールアドレスまでご連絡ください。