本講座は都合により中止とさせていただきました。
何卒ご了承くださいますようお願い申し上げます。

セミナー紹介

画像認識の分野ではDeep learningの利用が当たり前となり、大量の教師付き画像とConvolutional Neural Network（CNN）を用いることが主流である。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）の基礎から発展までを詳しく説明していく。最近は、大量の教師付き画像とCNNの組み合わせを使わない新しい方法も提案されている。具体的には、Transformerや教師なし表現学習などである。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。


本講座の特徴

チェックConvolutional Neural Network（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学びます。

チェック画像生成や画像変換などに利用されるGenerative Adversarial Network（GAN）の基礎から発展までを理解します。

チェック最近の新しい方法として提案されているTransformerや教師なし表現学習について、方法と最近の発展についても学びます。


■視聴にあたって
  1. ライブ配信当日の視聴に必要なURLと、登録、ログイン方法につきましては、登録完了メールに記載されています。
    URLはセミナーに参加する方のみ利用可能とし、再配布を禁止します。
  2. 受講者は、動画を録画・キャプチャーすること、SNSなどへのアップも禁止します。
    もし、発見した場合、事務局は削除を要求できることとします。
  3. セミナーの内容や受講者の個人情報などはセミナー内のみとし、口外しないでください。
  4. システムトラブルなどにより、画像・音声に乱れが生じた場合も再送信や返金はできませんので、予めご了承ください。 なお、音声、画像は受講者でご調整ください。また、サービス利用にあたってのサポートは致しかねます。
  5. 配信中、異常と思われる接続を発見した場合、予告なく切断することがあります。
  6. Zoomの接続環境は【パソコン、有線またはWi-Fiのインターネット環境】推奨です。
なお、「Zoom」上では、個人情報は一切取得いたしません。開催時間中にURLにアクセスいただくと受講可能です。

開催概要

セミナー名 ディープラーニングによる画像認識の進展
日時 2022年7月20日（水）10：00～17：00
会場 オンライン開催
Zoomを使ったWeb配信セミナーです
受講料

52,000円（税込み）
※上記は1名様の料金です。複数名での共有は禁止させていただきます。
定員 60名
※最少開催人数（15名）に満たない場合は、開催を中止させていただくことがあります。
主催 日経クロステック　日経エレクトロニクス

講師紹介

堀田 一弘 （ほった かずひろ）氏
名城大学理工学部　電気電子工学科　教授

堀田 一弘 <span class="fontSizeS">（ほった かずひろ）氏</span>

1999年4月～2002年3月 日本学術振興会 特別研究員（DC1）
2002年4月～2007年3月 電気通信大学 電気通信学部 助手
2007年4月～2010年3月 電気通信大学 電気通信学部 助教
2007年9月～2010年3月 理化学研究所 客員研究員（併任）
2007年10月～2013年3月 東京大学人工物工学研究センター 協力研究員（併任）
2010年4月～2018年3月 名城大学 理工学部 電気電子工学科 准教授
2012年4月～9月 アメリカ　メリーランド大学 Visiting Scholar
2018年4月～名城大学 理工学部 電気電子工学科 教授、現在に至る

プログラム （10:00～17:00）

  1. Convolutional Neural Network
  • 1.1　Convolutionとその発展
  • 1.2　活性化関数とその発展
  • 1.3　Dropout
  • 1.4　Batch normalizationとその発展
  • 1.5 ［応用例］ 対象識別、対象検出、セグメンテーション、対象追跡など
  1. Generative Adversarial Network
  • 2.1　基礎理論
  • 2.2　Wasserstein GAN
  • 2.3　Spectral Normalization
  • 2.4　pix2pix
  • 2.5　CycleGAN
  • 2.6 ［応用例］ 画像生成、画像変換、異常検知など
  1. Transformer
  • 3.1　Self-attentionとSource-target attention
  • 3.2　Self-attention network
  • 3.3　Detection Transformer
  • 3.4　TrackFormer
  • 3.5　Point Transformer
  • 3.6　Vision Transformerとその発展
  • 3.7 ［応用例］ 対象識別、対象検出、セグメンテーション、点群認識など
  1. 教師なし表現学習
  • 4.1　SimCLR
  • 4.2　BYOL
  • 4.3　SimSiam
  • 4.4　Barrow Twins
  • 4.5　DINO
  • 4.6 ［応用例］ 対象識別など

【お申し込み注意事項】

  • このセミナーは、ZoomによるリアルタイムWeb配信にてご提供します。
    視聴URLは、登録完了メールに記載していますので、当日まで大切に保存してください。
  • ※このセミナーの運営事務局からメールやお電話でご連絡を差し上げることがあります。
  • ※お申し込み後のキャンセル、ご送金後の返金はお受けいたしかねます。
  • ※受講料のお支払い：請求書払い／クレジットカード払いが選択できます。
    お支払方法が「請求書」の方には、後日、請求書を郵送いたします。ご入金は銀行振込でお願いいたします。なお、振込手数料はお客様のご負担となりますのであらかじめご了承ください。
    クレジットカード払いの場合、お支払い手続きにて決済が完了した後、以下「MyPageメニュー」にお申し込み内容が表示されます。
    ＜MyPage＞https://ers.nikkeibp.co.jp/user/myPageLogin/
    各種書類（領収書等）の発行については、こちらをご覧ください。
  • ※講師企業と競合すると考えられる製品やサービスなどをご提供される会社の方は、主催者の判断に基づき受講をお断りさせていただく場合がございますので、あらかじめご了承ください。
  • ※講師の急病、天災その他の不可抗力、またはその他やむを得ない理由により、講座を中止する場合があります。この場合、未受講の講座の料金は返金いたします。