深層学習の代表的な手法である畳み込みニューラルネットワークは画像認識分野の様々なタスクに応用が進んでいます。
　本セミナーでは、畳み込みニューラルネットワークの基礎と画像認識分野における応用事例について説明します。また、畳み込みニューラルネットワークの判断根拠の視覚的説明や応用方法、実装に向けた環境やディープラーニングフレームワークについても紹介し、実践的に活用できる内容を網羅的に説明します。

1. ディープラーニングの現在
2. 畳み込みニューラルネットワーク
   1. 畳み込み層
   2. プーリング層
   3. 全結合層
   4. 出力層
3. 畳み込みニューラルネットワークの学習
   1. 誤差逆伝播法
   2. 最適化法
      • SGD
      • Adam
      • RMSProp
4. ネットワーク構造
   1. AlexNet
   2. VGG
   3. GoogLeNet
   4. ResNet
   5. SE-Net
5. 汎用性を向上させるためのテクニック
   1. Dropout
   2. バッチ正規化
   3. インスタンス正規化
   4. データ拡張
      • Mixup
      • Cutout 等
6. 物体検出への応用
   1. Faster R-CNN
   2. YOLO
   3. SSD
7. セグメンテーションへの応用
   1. FCN
   2. SegNet
   3. U-Net
   4. PSP Net
   5. DeepLab V3
8. 判断根拠の可視化
   1. CAM
   2. CAM Grad
   3. Attention Branch Network
   4. 判断根拠を活用した精度向上
9. 画像生成モデル
   1. Generative Adversarial Network (GAN)
   2. 条件付きGAN
   3. Pix2Pix
10. ディープラーニングのフレームワーク
    1. Chainer による実装
    2. Pytorch による実装
    3. Neural Network Console
• 質疑応答・名刺交換