　　　

☆☆☆Web配信セミナー☆☆☆

『Deep Learningに基づく画像認識の基礎から最近の発展まで』

～CNN / GAN / Transformer /　教師なし表現学習～

S220829AW

　☆☆☆本セミナーは、Zoomを使用して、行います。☆☆☆

開催日時：2022年8月29日（月）10:00-17:00
受講料：お1人様受講の場合　51,700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

　堀田一弘（ほったかずひろ）　氏　

　　　名城大学理工学部　電気電子工学科　教授（工学博士）

＜職歴＞

　1999年4月～2002年3月日本学術振興会特別研究員（DC1）
　2002年4月～2007年3月電気通信大学電気通信学部助手
　2007年4月～2010年3月電気通信大学電気通信学部助教
　2007年9月～2010年3月理化学研究所客員研究員（併任）
　2007年10月～2013年3月東京大学人工物工学研究センター協力研究員（併任）
　2010年4月～2018年3月名城大学理工学部電気電子工学科准教授
　2012年4月～9月米国メリーランド大学（Larry Davis研究室）　Visiting Scholar
　2018年4月～名城大学理工学部電気電子工学科教授
　　現在に至る

＜研究分野＞

　　パターン認識、コンピュータビジョン、機械学習

　セミナーの概要

　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。次に、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。また、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。これらの方法と最近の発展についても応用例を交えながら丁寧に説明していく。

　講義項目

　1　Convolutional Neural Network
　　1.1　Convolutionとその発展
　　1.2　活性化関数
　　1.3　Dropout
　　1.4　Batch normalizationとその発展
　　1.5　応用例：対象識別、対象検出、セグメンテーション、対象追跡など

　2　Generative Adversarial Network
　　2.1　理論とその発展
　　2.2　Wasserstein GAN
　　2.3　Spectral Normalization
　　2.4　pix2pix
　　2.5　応用例：画像生成、画像変換、異常検知など

　3　Transformer
　　3.1　Self-attentionとSource-target attention
　　3.2　Self-attention network
　　3.3　Detection Transformer
　　3.4　Point Transformer
　　3.5　Vision Transformerとその発展
　　3.6　応用例：対象識別、対象検出、セグメンテーション、点群認識など

　4　教師なし表現学習
　　4.1　SimCLR
　　4.2　BYOL
　　4.3　SimSiam
　　4.4　Barrow Twins
　　4.5　応用例：対象識別など

『Deep Learningに基づく画像認識の基礎から最近の発展まで』 ～CNN / GAN / Transformer / 教師なし表現学習～ S220829AW

堀田一弘（ほったかずひろ） 氏

名城大学 理工学部 電気電子工学科 教授（工学博士）

『Deep Learningに基づく画像認識の基礎から最近の発展まで』

～CNN / GAN / Transformer /　教師なし表現学習～

S220829AW

　堀田一弘（ほったかずひろ）　氏　

　　　名城大学理工学部　電気電子工学科　教授（工学博士）