日時:2018年10月30日(火)

場所:早稲田大学西早稲田キャンパス 55号館1F大会議室
   地下鉄副都心線西早稲田駅下車。この図中55と書いてある建物1階北側
   Googleマップ : https://goo.gl/maps/vZMXm


主催:プロジェクト「認識の数理モデルと高階・多層確率場による高次元実データ解析」
   科学技術振興機構 (JST) 戦略的創造研究推進事業 (CREST)
   研究領域「現代の数理科学と連携するモデリング手法の構築」平成26年度採択研究課題

 

終了しました。

参加費無料ですが、人数把握のため、参加希望の方はこのフォームより登録をお願い致します。

 

概要

ディープ・ラーニングはビジョンなどの高次元データ解析における必須技術として定着しました。しかし、どうしてそれがここまで使えるのかという理解は未だ難しく、その改良は試行錯誤の域を出ません。高次元確率モデルとしての理論的見通しがより明確な確率場は、「歴史的」には多層ニューラルネットの学習を可能にした学習アルゴリズムの元であるとともに、ニューラルネットで直接学習しにくい確率モデルを組み込むため、それと組み合わせて使われています。本シンポジウムでは、それら最新の技術を第一線で研究している研究者の方にお集まりいただき、最新の動向についての講演と気軽な議論を通じて、多くの断片的な知見の交換から今後の統合的理解をめざす場を提供します。

プログラム(暫定)

 9:15  (受付開始)  
 9:45- 9:55 イントロダクション  
 9:55-10:55 飯塚里志(筑波大) ディープラーニングによる画像編集技術の発展
10:55-11:55 北村嘉郎(富士フイルム) コンピュータビジョン技術の医療応用
11:55-13:45  (休憩)  
13:45-14:45 金崎朝子(産総研) 深層学習を用いた三次元物体認識
14:45-15:45 岡谷貴之(東北大) 深層学習のこれまでと今後:正規化手法を中心とした議論
15:45-16:15  (休憩)  
16:15-17:15 山下隆義(中部大) 複数タスクを同時に対応するディープラーニングの研究動向

交流会

シンポジウム終了後に交流会を予定しています。参加希望の方は上のフォームより登録してください。定員に達し次第締め切らせていただきます。

場所:早稲田大学56号館地階カフェテリア(予定)
費用:1000円

 

講演概要

飯塚里志(筑波大)「ディープラーニングによる画像編集技術の発展」

ユーザの思い通りに画像を処理・編集する技術は、コンピュータグラフィクスやコンピュータビジョンの分野で盛んに研究が行われている。特にここ数年、多層の畳み込みニューラルネットワークを利用したディープラーニングがこのタスクに広く応用され、これまで難しかった高レベル情報にもとづく複雑な画像編集を可能にしている。本講演では、まずディープラーニングを活用した最近の画像編集技術を概観し、その後いくつかの研究事例に焦点を当てて説明する。その際、ディープラーニングを使わない既存のアプローチについても考察することで、ディープラーニングによって何がどのように変わったかを解説していく。さらに、現状の問題点や今後の見通しについても考察する。

北村嘉郎(富士フイルム)「コンピュータビジョン技術の医療応用」

コンピュータビジョン技術の進歩により医療応用が急速に進んでいる。例えば癌切除手術にあたって3D-CT画像中の臓器をセグメンテーションし可視化することはルーチン作業となったし、セグメンテーションによって計測された臓器体積は治療方針を決定する指標となる。タスクによってコンピュータは医師並みの病変検出性能に達し、専門医の不足を補う開発が進んでいる。高階グラフカットやディープラーニングを用いた当社の開発事例を紹介するとともに、データが希少な医療分野では現状の技術が十分解決できていない問題も紹介する。

金崎朝子(産総研)「深層学習を用いた三次元物体認識」

近年,3次元センシング技術と機械学習の発展により,3次元データから様々な物体を認識する技術が飛躍的に進化してきている.深層学習を用いた手法が主流であるが,その中でも,RGBDベース,ボクセルベース,点群ベース,多視点画像ベース等の様々なアプローチが存在する.本講演では,これらのアプローチを用いた従来研究から最先端研究について俯瞰的な紹介を行うとともに,我々の多視点画像ベースな物体認識手法について述べる.

岡谷貴之(東北大)「深層学習のこれまでと今後:正規化手法を中心とした議論」

Batch normalizationを筆頭に近年,深層ニューラルネットワークの学習のための様々な(層出力や重みの)正規化手法が提案されてきた.それらの提案は主に実験的な知見に基づいて行われているに過ぎないが,多様な正規化手法の有効性は,これらが深層学習の理論的理解への糸口になる可能性を予想させる.こうした観点から既存手法の整理を行いつつ,われわれが研究している深層ニューラルネットワークのための多様体上の最適化手法を紹介しつつ,議論を行う.

山下隆義(中部大)「複数タスクを同時に対応するディープラーニングの研究動向」

複数タスクを同時に対応するディープラーニングの研究動向 画像認識タスクにおいて,AlexNetが非常に高い認識精度を達成して以降,さまざなま構造のネットワークが提案され,そして画像認識だけでなく,セマンティックセグメンテーションや人の姿勢推定など様々なタスクに応用されている.ディープラーニングの長所として,複数のタスクを同時に実行できる点がある.本講演では,複数タスクへの対応方法およびその効果について紹介する.