SSII2020 [OS2] 限られたデータからの深層学習 (オーガナイザーによる冒頭の導入)

•

0 gostou•1,442 visualizações

SSII

SSII2020 [OS2] 限られたデータからの深層学習 6月11日 (木) 11:00 - 12:30 メイン会場（vimeo + slido）オーガナイザー：井上中順氏（東京工業大学）

Tecnologia

SSII2020 [OS2] 限られたデータからの深層学習 (オーガナイザーによる冒頭の導入)

Mais conteúdo relacionado

Mais procurados

[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...

Deep Learning JP

【DL輪読会】Domain Generalization by Learning and Removing Domainspecific Features

Deep Learning JP

SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習 6月11日 (木) 11:00 - 12:30 メイン会場（vimeo + slido）登壇者：片岡裕雄氏（産業技術総合研究所）概要：高品質な教師ラベルを含む大規模画像データセットを学習に用いた場合は成功がほぼ確約されていると言っても差し支えないが、ラベル付けのコストは計り知れない。本発表では、SNS からの画像データ収集や弱教師によるラベル付けを含め、最小限の手間で大規模データセットを構築する方法を紹介する。800万超の人物ラベルを含む大規模データセットを人物検出のための事前学習に用いた場合、ベースラインである教師ありの事前学習手法を凌駕する検出率を実現した。

SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習

SSII

Data-Centric AIの紹介

Kazuyuki Miyazawa

画像をテキストで検索したい！(OpenAI CLIP) - VRC-LT #15

Shuyo Nakatani

最先端のアルゴリズムがgithubなどから手軽に入手できるようになったことで、ビジネスの現場では、アルゴリズムやモデルの改善より、アノテーションデータの質や量を改善する方が実用化を目指す上でよりコストメリットのいいアプローチとなりつつあります。本発表では、従来のモデル改善を中心としたMLOpsの考え方と異なり、データ（アノテーションデータ）改善を中心としたMLOpsの考え方をご紹介します。

Data-centricなML開発

Takeshi Suzuki

【DL輪読会】StyleCLIP: Text-Driven Manipulation of StyleGAN Imagery

Deep Learning JP

Skip Connection まとめ（Neural Network）

Yamato OKAMOTO

AWSではじめるMLOps

MariOhbuchi

6/9 (木) 14:15～14:45 メイン会場講師：加藤大晴氏（株式会社Preferred Networks）概要：点群/メッシュ/ボクセルなどの従来的な3D表現に代わってニューラルネットによる陰関数で三次元データを表してしまう手法が近年登場し、様々なタスクで目覚ましい成果を挙げ大きな注目を集めている。この表現は、計算コストが高い代わりに柔軟性が高くさまざまなものをシンプルかつコンパクトに表現できることが知られている。本講演では、その基礎、応用、最先端の状況について、代表的な研究を広く紹介する。

SSII2022 [SS1] ニューラル3D表現の最新動向〜ニューラルネットでなんでも表せる？？〜

SSII

6/8 (水) 09:45～10:55メイン会場講師：牛久祥孝氏　　（オムロンサイニックエックス株式会社）概要： 2017年に機械翻訳を対象として提案されたTransformerは、従来の畳込みや再帰を排して自己注意機構を活用したニューラルネットワークである。2019年頃からコンピュータビジョン分野でも急速に応用が進んでおり、より柔軟かつ高精度なネットワーク構造としての地位を確立しつつある。本チュートリアルでは、Transformerおよびその周辺のネットワーク構造について、コンピュータビジョンへの応用を中心とした最前線を概説する。

SSII2022 [TS1] Transformerの最前線〜畳込みニューラルネットワークの先へ〜

SSII

MLOps入門

Hiro Mura

【DL輪読会】Toolformer: Language Models Can Teach Themselves to Use Tools

Deep Learning JP

SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向 6月10日 (木) 11:00 - 12:30 メイン会場（vimeo + sli.do）登壇者１：中山英樹氏（東京大学）登壇者２：幡谷龍一郎氏（東京大学）概要：データ拡張は画像認識の精度向上テクニックとして古くから用いられてきたが、最新の深層学習においても最重要技術の一つとして年々注目を集めており、多様かつ複雑な進化を遂げている。その成功のカギは、タスクに関する先見知識を活用しながら、如何にして汎化性能を高めるように訓練画像を変換あるいは生成するかにある。本講演では、データ拡張の原理や最新動向について解説すると共に、自動的なデータ拡張に関する講演者の研究事例についても紹介する。

SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向

SSII

Curriculum Learning （関東CV勉強会）

Yoshitaka Ushiku

[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and Editing

Deep Learning JP

[DL輪読会]Wav2CLIP: Learning Robust Audio Representations From CLIP

Deep Learning JP

【メタサーベイ】基盤モデル / Foundation Models

cvpaper. challenge

【メタサーベイ】数式ドリブン教師あり学習

cvpaper. challenge

出典: Jiankang Deng, Jia Guo, Niannan Xue, Stefanos Zafeiriou : ArcFace: Additive Angular Margin Loss for Deep Face Recognition, Proceedings of the IEEE/CVF conference on computer vision and pattern recognition (2019) 公開URL：https://arxiv.org/abs/1801.07698 概要 : 顔認識のための畳み込みニューラルネットワーク(DCNN)の課題は識別力を高める適切な損失関数を設計することです。本論文では、顔認識のための識別性の高い特徴量を得るために、Additive Angular Margin Loss (ArcFace)を提案します。一般的な顔認識ベンチマークから1兆ペアの大規模データセットなどを用いて、最先端顔認識技術との比較実験を行いました。結果は、従来手法を凌駕する精度を持つことが明らかになりました。

ArcFace: Additive Angular Margin Loss for Deep Face Recognition

harmonylab

Mais procurados (20)

[DL輪読会]data2vec: A General Framework for Self-supervised Learning in Speech,...

【DL輪読会】Domain Generalization by Learning and Removing Domainspecific Features

SSII2020 [OS2-02] 教師あり事前学習を凌駕する「弱」教師あり事前学習

Data-Centric AIの紹介

画像をテキストで検索したい！(OpenAI CLIP) - VRC-LT #15

Data-centricなML開発

【DL輪読会】StyleCLIP: Text-Driven Manipulation of StyleGAN Imagery

Skip Connection まとめ（Neural Network）

AWSではじめるMLOps

SSII2022 [SS1] ニューラル3D表現の最新動向〜ニューラルネットでなんでも表せる？？〜

SSII2022 [TS1] Transformerの最前線〜畳込みニューラルネットワークの先へ〜

MLOps入門

【DL輪読会】Toolformer: Language Models Can Teach Themselves to Use Tools

SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向

Curriculum Learning （関東CV勉強会）

[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and Editing

[DL輪読会]Wav2CLIP: Learning Robust Audio Representations From CLIP

【メタサーベイ】基盤モデル / Foundation Models

【メタサーベイ】数式ドリブン教師あり学習

ArcFace: Additive Angular Margin Loss for Deep Face Recognition

Mais de SSII

6/10 (金) 09:30～10:40メイン会場講師：シモセラエドガー氏（早稲田大学）概要：インターネットが現代社会の柱の基本的な構成要素になりつつある現在、大規模なコンテンツ制作がこれまで以上に重要になってきています。しかし、イラストレーションやウェブデザインなどのコンテンツ制作には、高解像度、構造付きデータ、インタラクティブ性など、コンピュータービジョンと機械学習にとって一連のユニークな課題があります。本講演では、機械学習技術を利用して、コンテンツ制作の多様な課題を解決し、クリエイターの能力を向上させる方法について説明します。

SSII2022 [TS3] コンテンツ制作を支援する機械学習技術〜イラストレーションやデザインの基礎から最新鋭の技術まで〜

SSII

6/9 (木) 09:30～10:40メイン会場講師：河口信夫氏（名古屋大学）、斉藤之寛氏（株式会社ティアフォー）概要：自動運転を実現するためには、ロボットビジョンに基づき、環境を認識するために様々な処理（パーセプション）を行っています。本講演では、Autoware を事例とし、自動運転に使われている画像処理、３D物体認識や、それらを用いた自動運転における判断・制御について解説します。また、AutowareはROS上で動作しており、様々なセンサやアクチュエータを利用できるので、自動車だけでなく、小型の自律移動ロボットにも活用可能です。Autoware を活用している様々な自律移動ロボットを紹介します。

SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜オープンソースの自動運転ソフトAutowareを解説〜

SSII

SSII2022 [OS3-04] Human-in-the-Loop 機械学習 6月10日 (金) 11:00 - 12:30 メイン会場登壇者：馬場雪乃氏（筑波大学）概要：人間の知識や判断を効果的に取り入れるため、機械学習の学習過程に人間を介在させるのが、Human-in-the-Loop 機械学習である。クラウドソーシングの登場により、不特定多数の人々、すなわち群衆の参加によるHuman-in-the-Loop 機械学習の実践が容易になった。本講演では、群衆から得られる誤りを含むラベルを統合して、質の高い訓練データを作成する手法や、そのようなラベルから機械学習モデルを直接学習する手法を解説する。さらに、機械学習の様々な場面における群衆の活用方法も紹介する。

SSII2022 [OS3-04] Human-in-the-Loop 機械学習

SSII

SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けて 6月10日 (金) 11:00 - 12:30 メイン会場登壇者：松嶋達也氏（東京大学）概要：DNNを用いたロボット学習アルゴリズムを用いて、動画のような高次元の入力からロボットの制御方策を学習することが可能になった。これらの手法はサービスロボット領域での応用が期待されているが、タスクや環境の多様性への対処が課題となっている。本講演では、強化学習のようなロボットの制御方策を直接学習する手法において、ロボットシステムから収集し蓄積した「オフライン」のデータを活用する方法について紹介するほか、実際に家庭内のサービスロボットシステム構築の事例紹介を通じて、実世界のロボットシステムの特徴やデータドリブンな手法を取り入れて汎化性・柔軟性を高めるための方法に関して解説する。

SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けて

SSII

SSII2022 [OS3-02] Federated Learningの基礎と応用 6月10日 (金) 11:00 - 12:30 メイン会場登壇者：西尾理志氏（東京工業大学）概要：Federated Learning (FL)とは、分散して保持されたデータを収集・集約することなく機械学習モデルの訓練に用いる方法である。画像や音声、ヘルスケア情報など個人情報や機密情報の保護の観点から集約が難しいデータを機械学習へ活用できるという期待から、学術および産業の両面から注目を集めている。本講演では、FLの原理と応用例、FLの課題解決に向けた近年の取り組みについて解説する。

SSII2022 [OS3-02] Federated Learningの基礎と応用

SSII

SSII2022 [OS3-01] 深層学習のための効率的なデータ収集と活用 6月10日 (金) 11:00 - 12:30 メイン会場オーガナイザー：米谷竜氏（オムロンサイニックエックス株式会社/慶應義塾大学）概要：SSII2020, SSII2021で高評価を得た『限られたデータからの深層学習』に続き、深層学習におけるデータの収集方法や学習時の工夫にフォーカスする。特に、分散環境のデータの活用が可能な連合学習や、オフライン強化学習と呼ばれるオフライン環境でのサンプル収集を想定した強化学習、クラウドソーシング等に基づくヒューマンコンピュテーションの最新研究事例を紹介する。

SSII2022 [OS3-01] 深層学習のための効率的なデータ収集と活用

SSII

SSII2022 [OS2-01] イメージング最前線 6月9日 (木) 11:00 - 12:30 メイン会場オーガナイザー：日浦慎作氏（兵庫県立大学）概要：深層学習技術の発展により、画像から多様な情報を取り出すことができるようになりましたが、もちろん画像に何の手がかりもなければ必要な情報を得ることはできません。つまり、end-to-end 学習の守備範囲の外側にこそ問題解決と飛躍の鍵があると言えます。このセッションでは画像情報の入口であるイメージング技術と、それが取り込むべき光を作り出す物理世界に焦点を合わせ、基礎研究から実応用までにわたる最先端の取り組みをご紹介いただきます。

SSII2022 [OS2-01] イメージング最前線

SSII

SSII2022 [OS1-01] AI時代のチームビルディング 6月8日 (水) 11:10 - 12:40 メイン会場オーガナイザー：小塚和紀氏（パナソニック株式会社）概要：最近のAI研究においては、チーム研究が効果を発揮するため、研究の内容のみならず、いかに体制を構築して人材を揃えるかというメタな視点が重要となる。本講演では、国内企業での研究機関立ち上げ事例、産官学の人材育成、アカデミアにおける大規模連携の事例を紹介することで、画像認識分野の技術者にAI分野におけるチームビルディングの最前線を紹介する。

SSII2022 [OS1-01] AI時代のチームビルディング

SSII

SSII2021 [SS2] Deepfake Generation and Detection – An Overview （ディープフェイクの生成と検出） 6/10 (木) 14:30～15:00 講師：Huy H. Nguyen 氏（総合研究大学院大学／国立情報学研究所）概要： Advances in machine learning and their interference with computer graphics allow us to easily generate high-quality images and videos. State-of-the-art manipulation methods enable the real-time manipulation of videos obtained from social networks. It is also possible to generate videos from a single portrait image. By combining these methods with speech synthesis, attackers can create a realistic video of some person saying something that they never said and distribute it on the internet. This results in loosing social trust, making confusion, and harming people’s reputation. Several countermeasures have been proposed to tackle this problem, from using hand-crafted features to using convolutional neural network. Some countermeasures use images as input and other leverage temporal information in videos. Their output could be binary (bona fide or fake) or muti-class (deepfake detection), or segmentation masks (manipulation localization). Since deepfake methods evolve rapidly, dealing with unseen ones is still a challenging problem. Some solutions have been proposed, however, this problem is not completely solved. In this talk, I will provide an overview on both deepfake generation and deepfake detection/localization. I will mainly focus on image and video domain and also introduce some audiovisual-based methods on both sides. Some open discussions and future directions are also included.

SSII2021 [SS2] Deepfake Generation and Detection – An Overview （ディープフェイクの生成と検出）

SSII

SSII2021 [SS1] Transformer x Computer Visionの実活用可能性と展望〜 TransformerのComputer Visionにおける躍進と肥大化する計算資源〜 6/10 (木) 14:00～14:30 講師：藤井亮宏氏（株式会社エクサウィザーズ）概要： Vision Transformer (ViT) が2020年末に発表され、ImageNetの認識精度においてConvolutional Neural Networks (CNN) ベースのモデルをTransformerのみを使ったモデルが凌駕した。それによってTransformerがAlexNet以降画像系タスクを支配していたCNNに取って換わる可能性が高くなったが、ViTでは大量のデータと大規模な計算資源を必要とすることが障壁となっている。本チュートリアル」では、Computer vision (CV) 系のタスクでTransformerの用途とその成果、実活用の視点からCNNとTransformerの比較、今後Transformer x CVの展望、を議論する。講師による公開場所： https://www.slideshare.net/exwzds/210610-ssiii2021-computer-vision-x-trasnformer

SSII2021 [SS1] Transformer x Computer Visionの実活用可能性と展望〜 TransformerのCompute...

SSII

SSII2021 [TS3] 機械学習のアノテーションにおけるデータ収集〜精度向上のための仕組み・倫理や社会性バイアス〜 6/11 (金) 9:30～10:40 講師：藤本敬介氏（ABEJA）概要：Deep Learning（深層学習）では大量の良質なデータを学習することで、高い精度を発揮してきました。実問題にこれを適用させるためには、如何にして正しくデータを集めるかが重要な課題の一つとなっています。データを集める際に、質が悪いものや偏ったデータを集めてしまうと、適切にモデルを学習できません。本チュートリアルでは、大量の良質なデータを集めるための仕組みや手法、精度・速度面での改善方法、倫理や社会性バイアスに関して解説します。

SSII2021 [TS3] 機械学習のアノテーションにおけるデータ収集〜精度向上のための仕組み・倫理や社会性バイアス〜

SSII

SSII2021 [TS2] 深層強化学習〜強化学習の基礎から応用まで〜 6/10 (木) 9:30～10:40 講師：平川翼氏（中部大学）概要：深層強化学習はDeep Q-Network (DQN) の登場以降、様々なアプローチが提案されており、AlphaGoによる囲碁の攻略やロボットの自律制御などの様々な応用がなされています。本チュートリアルでは、従来の強化学習の基本的な考え方に触れ、深層学習を組み合わせた深層強化学習についての紹介を行います。また、時間の許す限り、最新の深層学習手法やAlphaGoの仕組み、深層強化学習の活用例を紹介します。

SSII2021 [TS2] 深層強化学習〜強化学習の基礎から応用まで〜

SSII

SSII2021 [TS1] Visual SLAM ～カメラ幾何の基礎から最近の技術動向まで～ 6/9 (水) 9:45～10:55 講師：内山英昭氏（奈良先端科学技術大学院大学）概要： Visual SLAMとは、カメラの周辺環境の3次元形状を認識しながら、カメラの動きを算出する技術である。Visual SLAMやIMUを併用したVisual-inertial SLAMの動作原理を理解するためには、カメラの位置姿勢推定や三角測量などのカメラ幾何の基礎や、特徴点マッチングや画像検索といった画像処理の知識が必要となる。本チュートリアルでは、動作原理を理解する上での基礎知識を概説するとともに、動的環境下における精度低下を低減する手法や、近年多くの取り組みがあるディープラーニングを用いた手法を紹介する。

SSII2021 [TS1] Visual SLAM ～カメラ幾何の基礎から最近の技術動向まで～

SSII

SSII2021 [OS3-03] 画像と点群を用いた、森林という広域空間のゾーニングと施業管理 6/11 (金) 11:00 - 12:30 登壇者：中村裕幸氏（株式会社woodinfo）概要：平成31年4月より森林経営管理制度が開始され、日本国土の約7割を占める森林に対し、第三者による伐採や保全等の施業代行が可能となった。施業地の適否、優先度、時期等を決定するため客観的な森林情報の生成が必要となった。ゾーニング及び施業管理のため、衛星やUAV、地上レーザによる空撮画像や点群を用い森林情報を生成し、森林経営管理制度の支援システムを構築し実施している。実施例と今後の課題を述べる。

SSII2021 [OS3-03] 画像と点群を用いた、森林という広域空間のゾーニングと施業管理

SSII

SSII2021 [OS3-02] BIM/CIMにおいて安価に点群を取得する目的とその利活用 6/11 (金) 11:00 - 12:30 登壇者：中川雅史氏（芝浦工業大学）概要：建設分野における点群と画像の利活用に関して、BIM/CIMにおける課題に触れていきます。今回は、「先端技術を安価に利用する」とはどういうことか？「i-Construction，IoT，AI」はなぜ必要か？「廉価な3D計測システム」の位置づけとは？これらを3軸にとり、UAV/ドローンを用いた点群取得やICT建機で取得した点群からの動体認識の紹介をとおして、i-ConstructionやBIM/CIMにおける点群と画像の利用に関する特徴や課題の理解を深めていきます。

SSII2021 [OS3-02] BIM/CIMにおいて安価に点群を取得する目的とその利活用

SSII

SSII2021 [OS3-01] 設備や環境の高品質計測点群取得と自動モデル化技術 6/11 (金) 11:00 - 12:30 登壇者：伊達宏昭氏（北海道大学）概要：レーザスキャナやSfM-MVSを用いた3次元計測・再構成技術が、人が活動する環境や大型設備の維持管理、各種シミュレーションに活用されてきています。本発表では、プラントや橋梁、屋内や市街地環境を対象とし、3次元計測・再構成技術のより確実かつ高度な活用を目指した、(1)高品質な計測点群を取得するための計測作業支援、(2)計測点群の迅速位置合わせ、ならびに(3)計測点群からの自動モデル化の、各技術開発の取り組みをご紹介します。

SSII2021 [OS3-01] 設備や環境の高品質計測点群取得と自動モデル化技術

SSII

SSII2021 [OS3] 広域環境の3D計測と認識～人が活動する場のセンシングとモデル化～（オーガナイザーによる冒頭の導入） 6/11 (金) 11:00 - 12:30 オーガナイザー：増田宏氏（電気通信大学）概要：レーザスキャナを用いた３次元計測により、広域環境の３D情報を大規模な点群データとして取得できるようになりました。この技術は、人が活動する場、たとえば、生産現場、インフラ設備、交通網、都市、森林などの非常に広い分野において、現況把握、保全、進捗管理などの業務支援に活用できます。本セッションでは、この分野の第一人者を講師としてお招きし、広域環境の３D計測とモデル化について、技術と応用の両面から最新動向についてご講演いただきます。また、本分野の今後の展望についても議論したいと思います。

SSII2021 [OS3] 広域環境の3D計測と認識～人が活動する場のセンシングとモデル化～（オーガナイザーによる冒頭の導入）

SSII

SSII2021 [OS1-03] エネルギーの情報化：需要家主体の分散協調型電力マネージメント 6月9日 (水) 16:30 - 18:00 メイン会場（vimeo + sli.do）登壇者：加藤丈和氏（京都橘大学）概要：電力エネルギーマネージメントは、従来から需要家は自由に電力を使用し、中央で集中的にマネージメントを行う中央集中型のマネージメントが行われてきた。しかし、最大需要に合わせた整備投資や、再生可能エネルギーなどの変動電源の導入限界などの問題がある。このような問題を解決するためのIoTやAI技術を用いた「スマートマネージメント」の実施例や、講演者等が提唱する需要家が主体的に電力マネージメントしながら、互いに協調連携する「エネルギーの情報化」の概念について紹介する。

SSII2021 [OS1-03] エネルギーの情報化：需要家主体の分散協調型電力マネージメント

SSII

SSII2021 [OS1-02] まち全体のインフラや人流をサステナブルに計測する 6月9日 (水) 16:30 - 18:00 メイン会場（vimeo + sli.do）登壇者：関本義秀氏（東京大学）概要：近年、スマートシティなどの取組の一環で、カメラを始めとする様々なセンサーにより、技術的には人の流動やインフラの状況などが計測できるようになってきている。一方でサステナビリティ、SDGsの観点からもその計測のための費用やエネルギーに対して、どれだけの効果があるか、計測に見合う効果、あるいは効果に見合う範囲の計測という点も重要になってきている。本講演ではそのあたりを概観する。

SSII2021 [OS1-02] まち全体のインフラや人流をサステナブルに計測する

SSII

SSII2021 [OS1-01] 水産養殖 x IoT・AI ～持続可能な水産養殖を実現するセンシング/解析技術～ 6月9日 (水) 16:30 - 18:00 メイン会場（vimeo + sli.do）水産養殖 x IoT・AI ～持続可能な水産養殖を実現するセンシング/解析技術～登壇者：高橋康輔氏（ウミトロン株式会社）概要：水産養殖業は、人口増加に伴うタンパク質不足，乱獲による海洋資源の減少・生態系の破壊といった社会問題に対する解決策として現在世界的に大きな注目を集めている。省力化・効率化が求められる水産養殖を持続可能とするため、昨今ではIoT・AIを活用した養殖活動のデータ化・最適化の取り組みが始まっている。本講演では、養殖業が抱える課題を俯瞰し、それらを解決するデータのセンシング方法およびコンピュータビジョンを始めとする解析技術について弊社の事例を交えながら紹介する。

SSII2021 [OS1-01] 水産養殖 x IoT・AI ～持続可能な水産養殖を実現するセンシング/解析技術～

SSII

Mais de SSII (20)

SSII2022 [TS3] コンテンツ制作を支援する機械学習技術〜イラストレーションやデザインの基礎から最新鋭の技術まで〜

SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜オープンソースの自動運転ソフトAutowareを解説〜

SSII2022 [OS3-04] Human-in-the-Loop 機械学習

SSII2022 [OS3-03] スケーラブルなロボット学習システムに向けて

SSII2022 [OS3-02] Federated Learningの基礎と応用

SSII2022 [OS3-01] 深層学習のための効率的なデータ収集と活用

SSII2022 [OS2-01] イメージング最前線

SSII2022 [OS1-01] AI時代のチームビルディング

SSII2021 [SS2] Deepfake Generation and Detection – An Overview （ディープフェイクの生成と検出）

SSII2021 [SS1] Transformer x Computer Visionの実活用可能性と展望〜 TransformerのCompute...

SSII2021 [TS3] 機械学習のアノテーションにおけるデータ収集〜精度向上のための仕組み・倫理や社会性バイアス〜

SSII2021 [TS2] 深層強化学習〜強化学習の基礎から応用まで〜

SSII2021 [TS1] Visual SLAM ～カメラ幾何の基礎から最近の技術動向まで～

SSII2021 [OS3-03] 画像と点群を用いた、森林という広域空間のゾーニングと施業管理

SSII2021 [OS3-02] BIM/CIMにおいて安価に点群を取得する目的とその利活用

SSII2021 [OS3-01] 設備や環境の高品質計測点群取得と自動モデル化技術

SSII2021 [OS3] 広域環境の3D計測と認識～人が活動する場のセンシングとモデル化～（オーガナイザーによる冒頭の導入）

SSII2021 [OS1-03] エネルギーの情報化：需要家主体の分散協調型電力マネージメント

SSII2021 [OS1-02] まち全体のインフラや人流をサステナブルに計測する

SSII2021 [OS1-01] 水産養殖 x IoT・AI ～持続可能な水産養殖を実現するセンシング/解析技術～

SSII2020 [OS2] 限られたデータからの深層学習 (オーガナイザーによる冒頭の導入)

Recomendados

Recomendados

Mais conteúdo relacionado

Mais procurados

Mais procurados (20)

Mais de SSII

Mais de SSII (20)