☆☆☆Web配信セミナー☆☆☆

『CNN / Transformer / 教師なし表現学習
　 / GANに基づく画像認識』

〜基礎から最近の発展まで〜

 S230824AW

　☆☆☆本セミナーは、Zoomを使用して、行います。☆☆☆

開催日時：2023年10月26日（木）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。

　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）

　1　Deep learningの理論と応用例

　2　Convolutional Neural Networkの理論と応用
　　2.1　Convolutionとその発展（CondConv, Dynamic Conv, Octave Conv）
　　2.2　活性化関数（ReLU, Leaky-ReLU, ELU, Swish, Mish, FReLU, GELU）
　　2.3　Dropout
　　2.4　Batch normalizationとその発展（Batch renormalization, layer normalization, instance normalization, group normalization）

　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の理論と応用
　　3.1　Self-attentionとSource-target attentionとその応用（Non-local net,Dual attention netなど）
　　3.2　Self-attention network
　　3.3　Axial attention
　　3.4　Vision Transformerとその発展（ViT, DeiT, Swin, MLP Mixer, MetaFormerなど）
　　3.5　Detection and Tracking Transformer
　　3.6　Point Transformer
　　3.7　SuperResolution

　4　教師なし表現学習の理論と応用
　　4.1　SimCLR
　　4.2　BYOL
　　4.3　SimSiam
　　4.4　Barrow Twins
　　4.5　DINO

　5　Generative Adversarial Networkの理論と応用
　　5.1　理論とその発展
　　5.2　Wasserstein GAN（WGAN, WGAN-GP）
　　5.3　Spectral Normalization
　　5.4　pix2pix, cycleGAN
　　5.5　SinGAN