MACHINE PERCEPTION AND ROBOTICS GROUP

機械知覚&ロボティクスグループ
中部大学

・自己教師あり学習とは？　・自己教師あり学習モデルの評価方法　・対照学習　・Masked Image Modeling　・ハイブリッド手法　・データセットの大規模化　・自己教師あり学習の課題

・枝刈りとは？　・Unstructured Pruning　・CNNを対象としたStructured Pruning　・Transformerを対象としたStructured Pruning

・自己教師あり学習とは？　・自己教師あり学習の評価方法　・CNNを対象とした自己教師あり学習：様々なPretextタスク，対照学習　・ViTを対象とした自己教師あり学習：対照学習，Masked Image Modeling

・Transformerのしくみ　・Vision Transformerのしくみ　・Vision Transformerの応用例　・Vision Transformerと自己教師あり学習

1章 はじめに　2章 ILSVRCで振り返るCNNの進化　3章 最新のCNN改良手法　4章 各モデルの精度および処理速度の検証　5章 まとめ

1章 はじめに　2章 動画像からの特徴抽出　3章 予測手法　4章 経路予測に用いられるデータセット　5章 定量的な評価指標　6章 おわりに

・深層学習と今回のチュートリアルについて　・CNN（深層学習）の長所　・入力と出力の関係をどうするか？　・ネットワーク構造をどうするか？　・学習方法をどうするか？　・データをどうするか？　・時系列データの場合はどうするか？　・マルチタスクの事例

1. ROSとは?　2. ROSの通信システムとソフトウェア開発　3. ツール，パッケージの紹介　4. 研究事例，関連情報の紹介

HoughForestを用いた物体検出

ディープラーニングについて，基礎となるニューラルネットワークから最近の手法．ツールの使い方についてまとめています．

距離画像を用いた人検出

1. 最近の状況　2. Convolutional Neural Networksについて　3. 汎化性能を向上させるための工夫　4. パラメータによる性能比較　5. 今から始めるためのツール・知っておきたいこと　6. 研究事例紹介

Joint HOGを用いたBoostingによる物体検出

1. SIFT(Scale-Invariant Feature Transform)　2. SIFT以降のキーポイント検出器　3. SIFT以降のキーポイント記述子　4. 評価方法と実装

Random ForestとRegression Forestの学習識別