イベントの説明
内容概要
最近TensorFlowやKerasに追随する形でPyTorchが勢いがあるようなので、 ハンズオンを行います。題材としては、なかなか複雑で解説されることの 少ない物体検出(Object Detection)のSSDモデルを取り扱います。 これを機に物体検出の仕組みともにPyTorchの基本について身に つけましょう!!
開催日程
5/11(土) 受付: 12:50〜13:00 講義: 13:00〜16:00 ※ 途中10分ほど休憩を設ける予定です。
初回アジェンダ
1. 物体検出の推論の解説(60分) 1-1. 物体検出とは(特徴、歴史、他モデルとの性能比較) 1-2. 物体検出モデルSSDの推論の仕組み 1-3. SSDネットワークの全体像 1-4. SSDネットワークが出力する特徴マップと出力層のTensor 1-5. 出力層のTensor ➜ バウンディングボックスの絞り込み 2. 実装の予備知識(40分) 2-1. 環境設定(Google Colaboratory)、Tensorの基礎知識を解説 2-2. SSDサンプルプログラムのダウンロードとColab環境へのアップロード 2-3. Tensorの作成、操作、確認、GPU転送のハンズオン 3. 実装(80分) 3-1. 物体検出のデモ実行(学習済みモデルを使用) 3-2. ネットワークが出力したTensorとバウンディングボックスの突き合わせ 3-3. スマートフォンなどで撮影した画像で物体検出のデモ実行 3-4. デモ実行section7_1.ipynb、SSDネットワークssd.py、推論detection.pyのプログラム処理概要を解説 ※ 第2回ではSSDネットワークを訓練し(データセットVOCを使用)、新規モデルを作成するハンズオンを考えています。
会場
水道橋駅、神保町駅、九段下駅周辺 千代田区西神田2-7-14 YS西神田ビル2F
対象者
・PyTorchをゼロから学びたい方 ・物体検出を動かして画像にバウンディングボックスを表示してみたい方 ・SSDモデルの推論の仕組みを理論、実装の両方の視点で理解したい方 ※ 対象レベルとしては,他のフレームワークを使ってMNISTなどの画像分類の経験がある人を想定しています。 Pythonの経験は必要ですが、PyTorchの経験はなくても問題ありません。 Colab使ったことがなくても解説があるので、問題ありません。 Jupyter-Notebook形式のサンプルプログラムを提供するので、初心者でもバウンディングボックスを表示できます。
講師プロフィール
名前:毛利拓也 学生時代は東京理科大学の連携大学院を利用し、NTT研究所で量子ビットの理論モデルの論文を 執筆し修士号を取得。 arxiv.org/abs/cond-mat/0501581 その後アビームコンサルティングで基幹システム(ERP)導入プロジェクトをリード。 退職後、東京大学の社会人講座でディープラーニングを学び、 下記リンク先の『PyTorchニューラルネットワーク実装ハンドブック』の物体検出の章を執筆。 https://www.shuwasystem.co.jp/book/9784798055473.html
当日のお持物
PC(Python環境はご自身で予めご用意ください) Googleアカウントの作成(Colabのログイン時にアカウントを使用します)
費用
6,000円 ※ ・領収書発行の際は事務手数料として追加1,000円のお支払いをよろしくお願いいたします
定員
8名(人数に合わせて調整します、別媒体でも募集していますので申し込み人数は当日参加者数を反映しません)
備考
https://www.slideshare.net/TakuyaMouri/yolo-v1 ↑上記が講師が作成したYOLO_v1論文を解説したスライドになりますので、参考にしていただけたらと思います!!
ご参加にあたってのお願い
無断欠席や前日以降のキャンセルに関しては当日人数読めなくなり非常に迷惑なので 基本的に行わないようにお願いします。(直前参加は定員的に問題なければ歓迎です!) 体調不良、職務都合、ご家庭の事情などどうしてものケースは別途ご連絡いただくか、 イベントへのお問い合わせよりご連絡いただけますと嬉しいです。 上記がひどいアカウントに関してはブラックリスト処理を行い以後の参加をお断りさせて いただきますので、その点だけ予めご了承ください。 (7割以上来れる前提でのお申し込みと前日以降のキャンセルはメッセージでのご連絡を いただくということだけ気をつけていただければ大丈夫だと思います) モチベーションの高い参加者の方を重視する運営としていきたいと考えています。 ご協力のほど、よろしくお願いいたします。
資料 資料をもっと見る/編集する
資料が投稿されると、最新の3件が表示されます。