主に画像認識研究者・技術者の間で人気のディープラーニングフレームワークCaffeの使い方を学びます。Caffeは数あるディープラーニングフレームワークの中でも開発コミュニティが活発で、最先端の研究結果から得られたモデルを容易に使い始めることができます。
　本セミナーではPython言語の使用を念頭に、ディープラーニングの基本、Caffeフレームワークの概要、簡単な使い方から高度な応用まで、幅広く解説します。公開されている高性能な画像認識モデルの使い方、自分の考えたニューラルネットワークを実装して学習する方法、データの準備の仕方など、Caffeでディープラーニングを始めるためのエッセンスを学びます。

1. ディープラーニング
   1. なぜ今、深層学習?
   2. これまでの経緯
   3. ニューラルネットワークの基本
   4. 誤差逆伝播法
   5. 画像認識と畳み込みニューラルネットワーク (CNN)
   6. 様々なネットワーク
2. Caffeフレームワーク
   1. Caffeの特徴
   2. Caffeを使ってできること
   3. Caffeの構造
   4. ネット、レイヤー、ブロブ
   5. データ
   6. 損失関数
   7. ソルバー
   8. Model Zoo
3. Caffeを使う準備
   1. Buildの手順
   2. GPU設定
   3. Dockerで環境構築する方法
4. Python言語について
   1. Jupyter環境
   2. Pythonと数値計算
   3. CaffeのPythonインタフェース
5. Caffeの基本的な使い方
   1. 線形回帰
   2. ImageNetモデルを使った一般物体のカテゴリ識別
   3. CNN特徴量の抽出と画像検索への応用
   4. ネットワークの定義と学習方法
   5. 新しい分類問題への転移学習
   6. 学習データについて
   7. 画像ファイル
   8. LMDB/LevelDBフォーマット
   9. HDF5フォーマット
6. Caffeの高度な使い方
   1. 新しいレイヤーの開発
   2. Faster R – CNNで物体検出
   3. FCNsによるピクセル単位の予測
   4. LSTMsでシーケンスモデル