　　　

☆☆☆Web配信セミナー☆☆☆

『Vision Transformerの仕組み』　

～コンピュータビジョン応用を中心とした最前線～

S221006AW1

　☆☆☆本セミナーは、Zoomを使用して、行います。☆☆☆

開催日時：2022年12月14日（水）13:00-16:00
受講料：お1人様受講の場合　49,500円[税込]／1名
　　　　　1口でお申込の場合　62,700円[税込]／1口（3名まで受講可能）

　★本セミナーの受講にあたっての推奨環境は「Zoom」に依存しますので、ご自分の環境が対応しているか、
　お申込み前にZoomのテストミーティング（http://zoom.us/test）にアクセスできることをご確認下さい。

　★インターネット経由でのライブ中継ため、回線状態などにより、画像や音声が乱れる場合があります。
　講義の中断、さらには、再接続後の再開もありますが、予めご了承ください。

　★受講中の録音・撮影等は固くお断りいたします。

　　

　講　師

　藤吉弘亘（ふじよしひろのぶ）　氏　

　　　中部大学　工学部　情報科学科　/　大学院工学研究科情報工学専攻　教授（博士（工学））

＜略歴＞	1997年　中部大学大学院博士後期課程了　1997～2000年　米国カーネギーメロン大学ロボット工学研究所　Postdoctoral Fellow 　2000年　中部大学　講師　2004年　中部大学　准教授　2005～2006年　米国カーネギーメロン大学　ロボット工学研究所　客員研究員　2010年　中部大学　教授　2014年　名古屋大学　客員教授　　現在に至る
＜学会＞	電子情報通信学会、情報処理学会、ロボット学会、IEEE
＜主な受賞＞	ロボカップ研究賞（2005年）　情報処理学会論文誌CVIM優秀論文賞（2009年）　情報処理学会山下記念研究賞（2009年）　画像センシングシンポジウム優秀学術賞（2010, 2013, 2014年）　電子情報通信学会情報・システムソサイエティ論文賞（2013年）
＜研究＞	計算機視覚、動画像処理、パターン認識・理解の研究に従事

　セミナーの概要

　自己注意機構を活用したニューラルネットワークであるTransformerは、機械翻訳タスクでSoTAを達成し実用化を加速させている。このTransformerをコンピュータビジョンタスクに適用したモデルがVision Transformerであり、2019年以降、急速に応用と改良が加えられている。Vision Transformerは、CNNとは異なる新たな特徴表現獲得が可能となり、テクスチャノイズに対してロバストな認識が可能となっている。
　本講座ではVision Transformerについて従来の手法と対比しながらその仕組みを解説し、コンピュータビジョン応用を中心とした最前線についても紹介する。

　　講義項目

『Vision Transformerの仕組み』

～コンピュータビジョン応用を中心とした最前線～

S221006AW1

藤吉弘亘（ふじよしひろのぶ）　氏

中部大学　工学部　情報科学科　/　大学院工学研究科情報工学専攻　教授（博士（工学））

1　再帰型ニューラルネットワークの仕組み

1.1　再帰型ニューラルネットワーク（RNN）
　　1.2　LSTM
　　1.3　Seq2seq

2　Vision Transformerの仕組み

2.1　Transformer
　　2.2　VIsion Transformer（ViT）
　　2.3　ViTによる画像認識
　　2.4　ViTによる特徴表現獲得

3　ViTの最新動向

3.1　ViTの派生手法（Swin Transformer, ConvNeXtなど）
　　3.2　ViTの派生手法の傾向

『Vision Transformerの仕組み』

～コンピュータビジョン応用を中心とした最前線～

S221006AW1

藤吉弘亘（ふじよしひろのぶ） 氏

中部大学 工学部 情報科学科 / 大学院 工学研究科 情報工学専攻 教授（博士（工学））

1 再帰型ニューラルネットワークの仕組み

1.1 再帰型ニューラルネットワーク（RNN） 1.2 LSTM 1.3 Seq2seq

2 Vision Transformerの仕組み

2.1 Transformer 2.2 VIsion Transformer（ViT） 2.3 ViTによる画像認識 2.4 ViTによる特徴表現獲得

3 ViTの最新動向

3.1 ViTの派生手法（Swin Transformer, ConvNeXtなど） 3.2 ViTの派生手法の傾向

『Vision Transformerの仕組み』　

　藤吉弘亘（ふじよしひろのぶ）　氏　

　　　中部大学　工学部　情報科学科　/　大学院工学研究科情報工学専攻　教授（博士（工学））

　1　再帰型ニューラルネットワークの仕組み

　　1.1　再帰型ニューラルネットワーク（RNN）
　　1.2　LSTM
　　1.3　Seq2seq

　2　Vision Transformerの仕組み

　　2.1　Transformer
　　2.2　VIsion Transformer（ViT）
　　2.3　ViTによる画像認識
　　2.4　ViTによる特徴表現獲得

　3　ViTの最新動向

　　3.1　ViTの派生手法（Swin Transformer, ConvNeXtなど）
　　3.2　ViTの派生手法の傾向