～ 予測モデル・機械学習の基礎、深層学習に基づく物体検出技術の基礎と実運用のためのポイントとノウハウ、物体検出の性能向上技術 ～
・画像認識・物体検出の基礎を図的に解説し、機械学習の予備知識が無くても物体検出の実運用に必要な知識やノウハウを修得できる講座
・深層学習ベースの物体検出技術の基本原理や性能向上のポイントを修得し、悪条件下や高難度物体の検出に応用しよう！
※NNモデルの学習・最適化の原理（誤差逆伝播法）の前提となる数学的知識（偏微分や最適化理論など）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等）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。
いわゆる第3次AIブームの発端となった深層学習（Deep Learning）の発達により、「物体検出(Object detection)」の性能が飛躍的に向上しました。そのため、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の状態で物体検出技術を用いたプロジェクトに携わらざるを得ない実務者の方々も増えてきています。
現行の物体検出技術は深層ニューラルネットワークモデル（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、専門外の方にはなかなかわからな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・把握できていないかもしれない状態で、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（あるいは携わる必要に迫られている）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、最初の一歩となる「ニューロンの発火」まで立ち返って、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きます。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） ・機械学習・パターン認識・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ので、基本的に予備知識は不要ですが、事前送付の資料をあらかじめ読み込まれると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 ・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 |
１．予測モデルの基礎 （１）．本セクションの学習目標 （２）．パターン認識・機械学習と予測モデル ａ．分類タスクと回帰タスク ｂ．予測モデル ｃ．特徴抽出 ｄ．線形モデル （３）．予測モデルの運用に関する基本の手順や用語 （４）．図解で学ぶ非線形データと特徴抽出
２．NNモデルの基礎 （１）．本セクションの学習目標 （２）．パーセプトロン （３）．多層パーセプトロン(MLP) （４）．図解で学ぶMLPの特徴抽出と予測のしくみ （５）．MLPの定式化と値の読み解き方
３．深層CNNと特徴マップ （１）．本セクションの学習目標 （２）．深層CNNの基本 ａ．畳み込みニューラルネットワーク(CNN)とは ｂ．深層CNNの層構造と特徴マップの理解 （３）．図解で学ぶ「畳み込み」の役割や機能 （４）．図解で学ぶ「特徴マップ」の役割や
４．深層学習に基づく物体検出 （１）．本セクションの学習目標 （２）．物体検出とは （３）．従来の物体検出モデル （４）．深層学習に基づく物体検出モデル （５）．図解で学ぶ「物体の位置予測」の仕組み
５．物体検出モデルの実運用について （１）．本セクションの学習目標 （２）．「実問題」と「検出タスク」のすりあわせ （３）．物体検出モデルの性能評価 ａ．検出精度の評価 ｂ．処理速度の評価 （４）．性能向上のための取り組み事例 ａ．モデルの改善 vs データの改善 ｂ．モデルの改善 ｃ．データの改善とタスクの見直し ｄ．高難度・悪条件な状況下での取り組み事例機能
|
| キーワード | 機械学習 AI 深層学習 NN CNN 畳み込みニューラルネットワーク パターン認識 予測モデル 特徴抽出 多層パーセプトロン MLP 物体検出モデル 画像認識 物体位置予測 |
| タグ | 分析、AI・機械学習、SLAM・自己位置推定、自動運転・運転支援技術・ADAS、カメラ、ディスプレイ、データ解析、センサ、モバイルコンピューティング、画像、画像処理、画像認識、組み込みソフト、ロボット、データ分析、機械、自動車・輸送機、車載機器・部品、精密機器 |
| 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受付を終了しました。
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。
営業時間 月~金：9:00～17:00 / 定休日：土日・祝日
