～ パターン認識の基礎と機械学習・予測モデル、深層CNNによる特徴マップ作成、物体検出モデルの実運用と評価・改善のポイント、高難度・悪条件下での具体的な改善事例と生成AIの適用事例 ～
・深層学習に基づく物体検出モデルの構築と実運用時の評価・改善のポイントを図、画像、動画などを交えて修得し、高性能な物体検出システムの開発に活かすための講座
・物体検出技術の基礎と深層NNモデルによる位置予測の原理から具体的事例を交えたデータ・モデルの改善による性能向上の実践ノウハウを修得し、使用状況に最適化したシステムを開発しよう！
・近年急速に発達してきている生成AIベースのモデルを活用した最新の物体検出技術についてもご紹介します
※偏微分や最適化理論などの数学知識および最新の物体検出モデル（YOLOシリーズ最新作やAttentionベースの検出モデル、オープンボキャブラリモデル）の原理などは、本講義では扱いません
・ＷＥＢ会議システムの使い方がご不明の方は弊社でご説明いたしますのでお気軽にご相談ください。
深層学習の発達により、「物体検出(Object detection)」の性能が飛躍的に向上し、物体検出技術を自社ビジネスに組み込もうとするニーズも増加の一途をたどっています。その反面、深層学習や物体検出を深く理解した人材の育成が追いついておらず、機械学習やデータサイエンスの基礎知識が欠けたまま物体検出技術を用いた業務に携わる実務者の方々も増えています。
現行技術は深層NNモデルの高度な学習力・予測力をフル活用したものであり、従来技術と比べて劇的に性能が向上したものの、未だ発展途上の技術でもあるため、専門外の方には難しい制約や欠点なども存在します。そういった基本的な性質などをよく理解・把握しきれないまま新たなプロジェクトに実務者として携わることに、少なからぬ不安をお持ちの方もいらっしゃるのではないでしょうか？
そこで本講義では、深層学習に基づく物体検出技術に携わる専門外の実務者の方々を主な対象として、基本的な原理・特徴・利点・欠点などを理解するための予備知識ゼロを前提とした図解中心の資料で学んでいきます。特に現状の物体検出技術の骨子である「物体位置予測」を深層NNモデルで行うことの原理を正確に理解することを、本講義の「1つ目のゴール」とします。NNモデルについては、必要最小限の知識や概念を図解で端的に紹介していきます。これにより、現在の物体検出技術の主要な内部プロセスについて、全体的に正確な理解や図的なイメージを持つことができるようになることを目指します。
その後に、物体検出技術をビジネスの現場で実運用する際に必要となる基本的な知識やノウハウ、性能向上のための取り組みのポイントや事例なども紹介していきます。また、ここ2～3年で急速に発達している生成AIベースの物体検出技術（オープンボキャブラリモデル等）の概要も紹介します。これにより、物体検出技術に関するプロジェクトに携わる際に行うべきことの全体像を大まかに見通せるようになることを、本講義の「2つ目のゴール」とします。
| 開催日時 |
|
|
|---|---|---|
| 開催場所 | オンラインセミナー | |
| カテゴリー | オンラインセミナー、ソフト・データ・画像・デザイン | |
| 受講対象者 |
・専門書を読んでNNモデル・深層学習・物体検出を独学した方で、その理解やイメージが正しいかを確認したい方 ・自社ビジネスに物体検出技術を組み入れることを検討するため、その基本原理やできること・できないことなどを詳しく、わかりやすく把握したい方 ・物体検出に関するプロジェクトに参画する際に、ステークホルダーの方々との打ち合わせや議論の場で、確固とした知識・理解・イメージをもって臨みたい方 ・機械学習・深層学習・物体検出についての基礎知識が薄い中で、技術営業等の場でそれらの説明を受ける／行う必要に迫られている方 ・画像認識や深層学習が専門分野ではないにも関わらず、見切り発車的に物体検出に関するプロジェクトで開発業務等に携わることになったものの、基礎知識の不足を感じている方 |
|
| 予備知識 |
・中学～高校レベルの数学（多項式・総和・ベクトル・行列・微分・指数・対数など） ・パターン認識、機械学習、ニューラルネットワーク、深層学習の用語・概念・知識については、必要となるものはすべて講義資料中で説明しますが、特に第1～2章の内容（機械学習・ニューラルネットワークの基礎）を予習されていると全体的によりスムーズに理解できるようになります |
|
| 修得知識 |
・深層学習に基づく物体検出技術の骨子である「クラス分類」と「位置予測」をEnd-to-endの深層NNモデルで行うことのしくみ・原理・特徴・利点・欠点などへの正確な理解や図的なイメージ ・物体検出技術をビジネスの現場で実運用する際に必要となる基本的な知識やノウハウ、性能向上のための取り組みのポイントや事例 ・生成AI技術を物体検出に応用する枠組みの大まかなイメージ ・現在の物体検出技術でできること、できないこと、得意なこと、苦手なこと、やるべきこと、やってはいけないこと、などの区別を自律的に付けられるようになることを目指します |
|
| プログラム |
|
|
| キーワード | AI 深層学習 畳み込みニューラルネットワーク CNN パターン認識 画像認識 予測モデル 特徴量抽出 物体検出モデル 物体位置予測 生成AI | |
| タグ | AI・機械学習、データ解析、画像認識 | |
| 受講料 |
一般 (1名)：49,500円(税込)
同時複数申込の場合(1名)：44,000円(税込) |
|
| 会場 |
オンラインセミナー本セミナーは、Web会議システムを使用したオンラインセミナーとして開催します。 |
営業時間 月~金：9:00～17:00 / 定休日：土日・祝日
