機械知覚&ロボティクスグループ
中部大学

CVチュートリアル

画像認識分野における深層学習 ~CNN,RNNからマルチタスク学習まで~

MIRU2018チュートリアル 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

MIRU2018 Tutorial「画像認識分野における深層学習 ~CNN,RNNからマルチタスク学習まで~」

画像認識分野において,深層学習は瞬く間に広がり,物体認識や物体検出,セマンティックセグメンテーションなどの様々なタスクに用いられている.また,これらのタスクにおいて,従来手法を大きく上回る高い精度を達成している.基本的なアイデアは1990年代に提案されたCNNやRNNおよびその学習手法である誤差逆伝播法に由来するが,ResNetのように超深層なネットワーク構造やその学習効率化手法に関連する新たなアイデアが高精度化の一躍を担っている.本チュートリアルでは,CNNやRNNの基礎から高精度化につながる手法および,その応用事例,また,深層学習の1つの特徴であるマルチタスクへの応用について紹介する.

 
・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
 

MIRU2018 tutorial from Takayoshi Yamashita
次の研究