ホーム > セミナー > 畳み込みニューラルネットワークの基礎と 画像認識への応用・判断根拠の理解

~CNN:Convolutional Neural Network~

畳み込みニューラルネットワークの基礎と
画像認識への応用・判断根拠の理解

※会場が変更になりました(1/14更新)
オームビル → あすか会議室

※受付を終了しました。最新のセミナーはこちら

セミナー概要

略称
ニューラルネットワーク
セミナーNo.
tr200104  
開催日時
2020年01月29日(水)10:30~17:00
主催
(株)トリケップス
問い合わせ
Tel:03-5857-4811 E-mail:info@rdsc.co.jp 問い合わせフォーム
開催場所
あすか会議室 神田小川町 
価格
非会員: 51,700円(税込)
会員: 51,700円(税込)
学生: 51,700円(税込)
価格関連備考
お1人様受講の場合 47,000円[税別]/1名
1口でお申込の場合 59,000円[税別]/1口(3名まで受講可能)

講座の内容

趣旨
 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.
 本講義では,畳み込みニューラルネットワークの基礎と画像認識分野における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判断根拠の視覚的説明や,実装に向けた環境やディープラーニングフレームワークによるサンプルコードの説明など実践的に活用できる内容を網羅的に説明する.
プログラム

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:Convolutional Neural Networks)

 2.1 畳み込み層
 2.2 プーリング層
 2.3 全結合層
 2.4 出力層

3 畳み込みニューラルネットワークの学習
 3.1 誤差逆伝播法
 3.2 最適化法(SGD / Adam / RMSProp)

4 ネットワーク構造
 4.1 AlexNet
 4.2 VGG
 4.3 GoogLeNet
 4.4 ResNet
 4.5 SE-Net

5 汎用性を向上させるためのテクニック
 5.1 Dropout
 5.2 Batch Normalization
 5.3 インスタンス正規化
 5.4 大規模データセットの活用
 5.5 データ拡張(Mixup, Cutout等)

6 物体検出への応用
 6.1 Fast R-CNN
 6.2 YOLO
 6.3 SSD

7 セグメンテーションへの応用
 7.1 FCN
 7.2 SegNet
 7.3 U-Net
 7.4 PSP Net

8 判断根拠の可視化
 9.1 CAM
 9.2 CAM Grad
 9.3 Attention Branch Network
 9.4 判断根拠を活用した精度向上

10 ディープラーニングのフレームワーク
 10.1 Chainerによる実装
 10.2 Pytorchによる実装
 10.3 Neural Network Console等

関連するセミナー

関連する書籍・DVD

関連するタグ