～ CNNとその発展、Transformer・教師なし表現学習と画像認識の応用、ＧＡＮのアルゴリズムと応用 ～
・ディープラーニングでよく使われるCNNから、最新の学習手法までを修得し、AI・画像認識システムの開発に活かすための講座！
・CNNの基礎から性能向上方法、さらにCNN以外の最新ディープラーニング手法までを修得し、検出や認識の精度向上に活かそう！
・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。
深層学習におけるCNNと画像認識への応用技術（Transformer・教師なし表現学習・GAN） ＜オンラインセミナー＞
講師の言葉
画像認識の分野ではDeep learningを用いることが標準となり、大量の教師付き画像とConvolutional Neural Network（ＣＮＮ）の組み合わせが主流である。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。最近は教師なし表現学習とTransformerが人気のトピックであり、大量の教師付き画像とCNNからの脱却が図られているので、これらを解説していく。
最後に、画像生成や画像変換などに利用されるGenerative Adversarial Network（ＧＡＮ）の基礎理論から発展までを説明する。これらの方法と最近の発展についても具体的な応用例を交えながら丁寧に説明していく。
セミナー詳細
| 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 |
・画像識別や画像認識、物体認識などに深層学習を利用したい技術者、研究者の方 ・ロボット、自動車、検査機器、医療機器、セキュリティ・認証、広告、ゲーム、観測など関連企業の技術者の方 |
| 予備知識 | ・大学初年度程度の数学（行列・ベクトル、微積分、統計） |
| 修得知識 |
・画像認識のこの10年の発展が分かる ・どの問題にどんな解法が利用されるのかが分かる |
| プログラム |
１．Convolutional Neural Network（ＣＮＮ）の基礎 （１）．Convolutionとその発展 （２）．活性化関数とその発展 （３）．Dropout （４）．Batch normalizationとその発展 （５）．応用例：対象識別、対象検出、セグメンテーションなど
２．Transformerと応用例 （１）．Self attentionとSource target attention （２）．Self attention network （３）．Detection Transformer （４）．TrackFormer （５）．Point Transformer （６）．Vision Transformerとその発展 （７）．応用例：対象識別、対象検出、対象追跡、セグメンテーション、点群認識など
３．教師なし表現学習と応用例 （１）．SimCLR （２）．BYOL （３）．SimSiam （４）．Barrow Twins （５）．DINO （６）．応用例：対象識別など
４．Generative Adversarial Networ（ＧＡＮ）と応用例 （１）．理論とその発展 （２）．Wasserstein GAN （３）．Spectral Normalization （４）．Pix2pix、CycleGAN （５）．応用例：画像生成、画像変換、セグメンテーション、異常検知など |
| キーワード | 活性化関数 Dropout Batch normalization 対象識別 対象検出 セグメンテーション Transformer Self attention Source target attention Vision Transformer ViT 対象追跡 教師なし表現学習 ＧＡＮ 人工知能 Deep Learning ディープラーニング 画像処理 |
| タグ | 画像、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。 |
こちらのセミナーは現在募集を締め切っております。
次回開催のお知らせや、類似セミナーに関する情報を希望される方は、以下よりお問合せ下さい。
各種お問い合わせは、お電話でも受け付けております。
03-5322-5888
営業時間 月~金：9:00～17:00 / 定休日：土日・祝日