物体検出の研究トレンドについて取り扱えればということで、HOG[2005]などの
局所特徴量を用いたアプローチから、DeepLearningを用いたRCNN[2013]、
FasterRCNN[2015]、YOLO[2015]、SSD[2016]、RetinaNet[2017]、M2Det[2018]
などについて解説していきます。

話を聞くだけだと大変だと思うので、なんらかの実装例を元に簡単なハンズオンを行います。
（解説がメインでハンズオンはおまけで考えていますので、適当なTensorFlow実装を探して手元で
動作させる程度を想定しています）

※
期待値が上がり過ぎるとやりづらいので、過度な期待はし過ぎないようにお願いします。
出典はオリジナル論文か著者実装を基本メインで紹介するため情報ソースは問題ないと思いますが、
全てのご質問にはお答えできないかもしれないことは予めご留意ください。

6/18（火）
受付： 19:50〜20:00
講義： 20:00〜22:00

※
途中10分ほどの休憩を数回設ける予定です。

1. 事前知識の整理（20分）
　　物体検出(Object Detection)とは
　　DeepLearning以前の物体検出（HOG+Boosting）
　　CNNのおさらいと考察

2. 物体検出の研究トレンド（60分）
　　RCNN[2013]とDeepLearning
　　FasterRCNN[2015]とRegion Proposal Network
　　YOLO[2015]とone stage detector
　　SSD[2016]とMulti-scale feature maps
　　RetinaNet[2017]とFocal Loss
　　M2Det[2018]とMulti-Level Feature Pyramid Network

3. 簡易ハンズオンとコードの解説（30分）
　　簡単な動作例を元にコードの解説を行います。

※アジェンダの詳細については変更の可能性があります。（全体の流れが変わることはないです）

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

対象レベルとしては，CNNの基礎知識（AlexNet、VGGNet、ResNetなど）について知っており、
MNISTなどの画像分類の経験がある方を想定します。
↓下記の理解は前提とします。
https://lib-arts.hatenablog.com/entry/math_nn4
https://lib-arts.hatenablog.com/entry/math_nn5
https://lib-arts.hatenablog.com/entry/math_nn6
https://lib-arts.hatenablog.com/entry/paper1_AlexNet
https://lib-arts.hatenablog.com/entry/paper2_VGGNet
https://lib-arts.hatenablog.com/entry/paper3_ResNet

東大工学部卒。
データ分析/AI開発の仕事の経験は7年ほどで、理論/開発/ビジネスのどれも経験があり強い。
また、多くの業界のプロジェクトに関わったためドメイン知識も豊富。
初心者向けの指導実績も多く、1,000名近い。

・筆記用具
・PC     Python(3.6推奨）、TensorFlowが使える状態でお願いします。
※ 題材によって変更の可能性があります

4,000円 (2時間)

※
・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

20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）

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。