深層学習による画像認識とその判断根拠の可視化 (視覚的説明)

再開催を依頼する / 関連するセミナー・出版物を探す
オンライン 開催

日時

開催予定

プログラム

  1. 画像認識の問題設定
    1. 物体検出タスク
    2. 画像分類タスク
    3. シーン理解:セマンティックセグメンテーションタスク
    4. 特定物体認識タスク
  2. ニューラルネットワークと逆誤差伝搬法
    1. ニューラルネットワーク (全結合)
    2. 多層パーセプトロン (MLP) の学習
    3. 勾配降下法
    4. 誤差関数
  3. 畳み込みニューラルネットワーク (CNN)
    1. 機械学習を用いた画像認識
    2. 畳み込み層
    3. 活性化関数
    4. プーリング層
    5. 全結合層
    6. 出力層
    7. CNNの推論過程、学習
    8. 従来の機械学習 VS 深層学習
    9. 学習サンプル数 VS 認識性能
    10. データ拡張
  4. CNNよる画像認識
    1. 一般物体認識 (分類)
      • AlexNet
      • VGG
      • GoogLeNet
      • ResNet
      • SENet
    2. 物体検出
      • Faster R-CNN
      • YOLO
      • SSD
      • M2Det
    3. セグメンテーション
      • SegNet
      • MNet
    4. 回帰
    5. マルチタスク学習
  5. 視覚的説明 (Explainable AI)
    1. 説明可能なAIに向けて:XAI
    2. 視覚的説明:アテンションマップの可視化
    3. Attention Branch Network
    4. Attention mapのファインチューニング
    5. 外観検査への適用
  6. 視覚的説明のロボット応用
    1. 深層強化学習によるロボットの自律移動
    2. Deep Q-Network
    3. 深層強化学習における判断根拠の可視化

受講料