- 開講元
- 知能情報コース
- 担当教員名
- 井上 中順
- 授業形態
- 講義 (ハイフレックス型)
- メディア利用科目
- 曜日・時限(講義室)
- 月1-2(M-B45(H105)) 木1-2(M-B45(H105))
- クラス
- -
- 科目コード
- ART.T551
- 単位数
- 2
- 開講年度
- 2023年度
- 開講クォーター
- 4Q
- シラバス更新日
- 2023年3月20日
- 講義資料更新日
- -
- 使用言語
- 英語
- アクセスランキング
-
media
講義の概要とねらい
本講義は，画像・映像認識に関する基礎的な概念と近年の技術進展を概観し，畳み込みニューラルネットワーク・領域提案ネットワーク・全層畳み込みネットワーク・敵対的生成ネットワークといった，深層学習モデルの仕組みを学ぶものである．また，授業と課題を通じて，深層学習のライブラリを用いたネットワークの学習方法を実践的に学ぶ．
到達目標
画像・映像認識に関する基礎的な概念について説明ができ，深層学習のライブラリを用いて実践的にネットワークの実装ができることを目標とする．
キーワード
深層学習，ニューラルネットワーク，画像認識，映像認識
学生が身につける力(ディグリー・ポリシー)
| ✔ 専門力 | 教養力 | コミュニケーション力 | 展開力(探究力又は設定力) | 展開力(実践力又は解決力) |
授業の進め方
画像・映像認識の概要およびその理論的な取扱いついて講義資料(スライド)を用いて講義する．
授業計画・課題
| 授業計画 | 課題 | |
|---|---|---|
| 第1回 | 画像・映像認識の概要 | 現在の画像・映像認識技術の概要を理解する |
| 第2回 | 数学の基礎 | 線形代数および最適化の基礎を理解する |
| 第3回 | 深層学習プログラミングの基礎 | 深層学習ライブラリ使用方法の基礎を理解する |
| 第4回 | 画像分類 | 畳み込みニューラルネットワークの仕組みを理解する |
| 第5回 | 物体検出 | 領域提案ネットワークの仕組みを理解する |
| 第6回 | 画像セグメンテーション | 全層畳み込みネットワークの仕組みを理解する |
| 第7回 | 動作認識 | 映像から人物動作を認識する方法を理解する |
| 第8回 | データ拡張 | 画像認識に関するデータ拡張法を理解する |
| 第9回 | 画像生成 | 敵対的生成ネットワークの仕組みを理解する |
| 第10回 | 敵対的サンプル | 敵対的サンプルの生成方法と防御方法を理解する |
| 第11回 | ドメイン適応 | 異なるドメインへの転移方法を理解する |
| 第12回 | ゼロショット学習 | 属性情報やテキストを用いた学習方法を理解する |
| 第13回 | 分散学習 | 複数のGPUを用いた学習方法を理解する |
| 第14回 | 深層学習の理論解析 | 深層学習の理論解析の基礎を理解する |
授業時間外学修（予習・復習等）
学修効果を上げるため，教科書や配布資料等の該当箇所を参照し，「毎授業」授業内容に関する予習と復習（課題含む）をそれぞれ概ね100分を目安に行うこと。
教科書
-
参考書、講義資料等
I. Goodfellow, Y. Benito, A. Courville, Deep Learning, MIT Press, 2016.
D. Foster, Generative Deep Learning, O'Reilly Media, 2019.
成績評価の基準及び方法
レポートにより評価する (100%)
関連する科目
- ART.T458 ： 先端機械学習
- XCO.T489 ： 基盤人工知能
- XCO.T490 ： 基盤人工知能演習
- XCO.T483 ： 応用AI・データサイエンスA
- XCO.T485 ： 応用AI・データサイエンスC
- XCO.T486 ： 応用AI・データサイエンスD
履修の条件(知識・技能・履修済科目等)
-
