～ 深層学習の基礎と時系列・アテンション機構、隠れに強い対象追跡、マルチカメラを用いたBEV空間での検出と追跡、3D U－net／Transformerを用いた粒子検出 ～
・画像検出や追跡で起こる「マルチカメラの統合」「隠れへの対策」の解決に活かすための講座！
・主要な深層学習モデルであるCNN、GRU、Transformerから、BEV（鳥瞰図）を用いた検出・追跡の応用までを修得し、タスクに応じた最適なモデル設計に活かそう！
・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。
深層学習の基礎から最前線へ：空間・時間認識の革新を体感できます。
マルチカメラで対象検出や追跡をする際に最も注目されているのが「BEV（鳥瞰図）を用いた方法」です。また、１台のカメラでも3D幾何制約を利用すれば隠れに強くなります。さらに、今や深層学習による追跡技術は、顕微鏡画像中の粒子追跡でも利用される注目技術です。
本セミナーでは、CNN、GRU、Transformerといった主要な深層学習モデルの基礎を丁寧に整理した上で、「マルチカメラの統合」、「隠れへの対策」、「不規則な動きをする粒子追跡」など、実世界の難題をAIがどう解決するのかを解説します。
追跡技術の「今」と「未来」がクリアに見えるエキサイティングな時間を体験しましょう！
| 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 | ・自動運転、ADAS、モバイルロボット、AGV、監視カメラ、人流解析システム、他 |
| 予備知識 | ・専門知識は特に必要ありません。高校～大学初年度程度の数学（微分・積分、ベクトル・行列、統計初歩など）を忘れている方は、復習しておくことをお勧めします。 |
| 修得知識 |
１．深層学習のアーキテクチャ理解： ・GRU、Transformer、GNNの数理的な仕組みを学び、タスクに応じた最適なモデル設計ができるようになる ２．BEV（鳥瞰図）空間とそれを用いた認識技術： ・マルチカメラの画像を統合してBEV空間を構築し、その空間で対象を検出、追跡する技術を習得する ３．高度なトラッキング法： ・隠れがある状況下での追跡法や、Gr－IoUを用いた3次元幾何制約による精度の向上法を学ぶ ４．顕微鏡画像中の応用： ・顕微鏡画像中で不規則に動く粒子に対応するためのアルゴリズム補正の考え方を理解する |
| プログラム |
１．深層学習の基礎と時系列・アテンション機構 （１）．ディープラーニングの基礎と画像認識（CNN） （２）．時系列データの処理（LSTM、GRUなど） （３）．近年の主役であるTransformerとSelf－Attention
２．３Ｄ幾何制約を用いた隠れに強い対象追跡 （１）．従来の追跡法と問題点 （２）．３Ｄ幾何制約を用いたGround－IoU（Gr－IoU） （３）．Gr－IoUを用いた隠れに強い対象追跡
３．マルチカメラを用いたBEV空間での検出と追跡 （１）．２Ｄ空間からBEV（鳥瞰図）空間への座標変換 （２）．スパースBEV Fusionを用いた検出と追跡 （３）．ConvGRUを用いたVisibility－Gateによる隠れに強い検出と追跡
４．Multi－view BEV技術を用いた人追跡・人流解析への応用 （１）．人追跡の概要と課題 （２）．複数カメラ映像から人の位置と移動経路をBEV上で把握する技術 （３）．監視システムにおける混雑環境下での人物追跡技術 ・混雑推定・異常行動検知への応用 （４）．３次元構造を考慮した新しいマッチングによる多物体追跡法
５．顕微鏡画像中の粒子追跡 （１）．顕微鏡画像中の粒子追跡の問題点 （２）．3D U－net、Transformerを用いた粒子検出 （２）．局所補正と大域補正アルゴリズム |
| キーワード | 深層学習 CNN LSTM GRU Transformer 対象追跡 3D幾何制約 Ground-IoU オクルージョン マルチカメラ BEV認識 BEV Fusion |
| 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。 |
営業時間 月~金：9:00～17:00 / 定休日：土日・祝日
