狠狠撸

狠狠撸Share a Scribd company logo

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
SSII

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。

1 of 21
Downloaded 60 times
深層学習におけるデータ拡張の原理と最新動向 2021.6.10 中山 英樹（東京大学） 幡谷 龍一郎（東京大学）
? 前半）データ拡張とは ? データ拡張の例 ? なぜうまくいくのか ? 画像データ拡張のアプローチ ? 後半）データ拡張の自動設計法 2 目次
データ拡張 (data augmentation) とは 3 もっとたくさん欲しい 学習データ の変わらないような変換 を用意し、変換画像も訓練に用いる ネコであることは変わらな い画像変換 教師付き学習 データ ラベル 「実質」のデータ数を増やすことで汎化性能を向上させる 損失関数 例：画像分類
? AlexNet [Krizhevsky+ 12] 以来，様々な分野で成果を発揮 4 深層学習とデータ拡張 [Baird 93] [Yeager+ 96] [Simard+ 91] ? 90年代から文字認識のために利用されてきた AlexNetは6,000万のパラメータがあり，120万枚の画像に過適合する データ拡張+Dropoutによる正則化が重要
表現学習への応用 5 FixMatch [Sohn+20] 各クラスに4枚しかラベル 付き画像がなくても90％ 近い精度 近づける SimCLR [Chen+20] 近づける 遠ざける ラベルなしでも教師あり 学習に近い表現を獲得 意味に対して不変な変換後の画像の特徴表現が近くなるように 特徴抽出ネットワークを学習 [Bengio +13] 半教師あり学習： ラベルが一部しかない設定で学習 自己教師あり学習： ラベルがない設定で良い表現を学習
他分野での例（自然言語処理） ? Easy Data Augmentation [Wei&Zou 19] 特にデータ少ない場合に有効 ? 構文木の利用 [?ahin&Steedman 18] 「切り抜き」：主要でない木の部位を削除 「回転」：順番を入れ替え 6
なぜうまくいくのか？ 7 ? ①データ分布を埋めることによる正則化 ? ②タスクに関する事前知識をデータの外から与えている ? 「同じさ」は対象物によって異なる ? = データ拡張の方法を設計するときは、①?②のどちらの 効果を与えるものかを考えることが大事 適当にデータを増やせばよいというものではない（錬金術ではない！） 「データ拡張ならでは」 の効果としてはこちらが 特に大事 （講演者の意見）
画像データ拡張のアプローチ①：経験的な変換 8 ? 基本的な画像処理 0.7 ネコ 0.3 + 0.7 0.3 イヌ 反転 クロップ 平行移動 回転 色調変化 ? mixup [Zhang+ 18] [Tokozume+, 18] ? 二枚の画像とラベルを線形に混合 ? Cutout [DeVries+ 17] [Zhong+, 17] ? ランダムに画像の一部を矩形でマスク
画像データ拡張のアプローチ②：生成モデルの利用 9 ? 画像生成モデルの発展 e.g., BigGAN [Brock+ 19] 実は生成画像 ? 注：画像生成によるデータ拡張はまだ十分に確立されてはいない ? 特に、生成画像は高周波成分が実画像と異なる [Daznic+ 20] → そのままではデータ拡張には不向き？ [Ravuri&Vinyals 19]
画像データ拡張のアプローチ②：生成モデルの利用 1 0 視線推定タスクでの性能向上 ? シミュレータとの組合せ [Shrivastava+ 17] ? CG画像を実画像へ変換 ? 条件付きGANの利用 [Han+ 19] ? 位置?大きさ等を指定した 腫瘍画像生成 いずれの場合も、元の画像データセット 以外の情報を入れていることが重要 1 0
データ拡張の課題 11 ? 適切なデータ拡張ポリシーの設計は難しい ? 通常、タスクごとに設計者の試行錯誤を要する 反転 クロップ 平行移動 回転 色調変化 ??? どの変換を使う？どのくらいの強さ？どれくらいの頻度？ データ拡張を自動的に設計することはできないだろうか？
深層学習におけるデータ拡張の原理と最新動向 幡谷龍一郎 1 画像認識のためのデータ拡張の高速な設計
データ拡張 (Data Augmentation) とは 2 ラベルの変わらないような画像変換 aφ : x !→ x′ !→ 例：左右反転 aφ 動物画像分類：同一のラベル を用意 !→ 文字画像分類：異なるラベル データ数が多いほど機械学習モデルの性能は向上 → 現実にはデータ数は容易には増やせない 画像変換によって実質的なデータ数を増やす 必要な画像変換はデータ?タスクに依存 d d
画像のデータ拡張 3 強度 確率 組合せ pRot 1 ? pRot rotate( ? ; μRot) pInv 1 ? pInv invert( ? ; ) pInv 1 ? pInv solarize rotate translate_x invert 画像変換の集合 solarize 多様な画像が得られる →実質データ数が増えて性能向上 パラメータ 例：評価損失最小化 データ拡張戦略の設計は「組合せ」「確率」「強度」の最適化
データ拡張戦略の自動設計 4 非常に広大な探索空間 ～ の可能な組合せ → 強化学習やベイズ最適化などの利用 1032 1064 CNNの学習に時間がかかる →小さなCNNや学習データの一部のみの使用で代用 ただしAutoAugmentは探索が高コスト CIFAR-10 Baseline AA error rates 3.1 2.6 AutoAugment [Cubuk+19] （CIFAR-10には5000GPU時間） → 高速化の研究が進められてきた
データ拡張戦略の自動設計 5 非常に広大な探索空間 ～ の可能な組合せ → 強化学習やベイズ最適化などの利用 1032 1064 CNNの学習に時間がかかる →小さなCNNや学習データの一部のみの使用で代用 ただしAutoAugmentは探索が高コスト CIFAR-10 Baseline AA error rates 3.1 2.6 AutoAugment [Cubuk+19] （CIFAR-10には5000GPU時間） → 高速化の研究が進められてきた → 戦略を微分可能にすることで 勾配降下法による高速化 →CNNの学習の繰り返しを ?避けることで高速化 Faster AutoAugmentは 精度劣化なしに15分程度で探索可能 Faster AutoAugment [Hataya+2020]
6 戦略 元画像 変換後の画像 分布間距離 誤差逆伝播 + 分類損失 元画像と変換後の画像を近づける 変換がクラスを変えないように制限 強度 確率 組合せ pRot 1 ? pRot rotate( ? ; μRot) pInv 1 ? pInv invert( ? ; ) pInv 1 ? pInv solarize rotate translate_x invert 画像変換の集合 solarize Faster AutoAugment [Hataya+2020]
Faster AutoAugment [Hataya+2020] ? データ拡張の目的は分布の一致 7 元画像の分布 変換画像の分布 データ拡張では変換画像によって 元画像分布の欠損を補いたい ? GANの損失の応用 戦略 元画像 変換後の画像 元画像 or 変換画像？ 誤差逆伝播
実験結果 ? 探索時間の比較 (GPU時間) ? 戦略の性能比較（テスト誤差率）* 8 Dataset AA Fast AA Faster AA CIFAR-10 5,000 3.5 0.23 SVHN 1,000 1.5 0.061 ImageNet 15,000 450 2.3 Dataset Baseline AA Fast AA Faster AA CIFAR-10 3.1 2.6 2.7 2.6 CIFAR-100 18.8 17.1 17.3 17.3 SVHN 1.3 1.1 1.1 1.2 ImageNet 23.7 22.4 22.4 22.7 Faster AutoAugmentは極めて高速に探索が可能 Faster AutoAugmentの戦略は先行研究とほぼ同等 * ImageNetではResNet-50 [He+16]，そのほかのデータでは WRN28-10 [Zagoruyko&Komodakis 17] を使用 AA：AutoAugment [Cubuk+ 2019] Fast AA：Fast AutoAugment [Lim+ 2019]
実験結果 9 Dataset ランダム Faster AA CIFAR-100 21.6 20.9 戦略の学習は必要？* Dataset 分類損失なし Faster AA CIFAR-100 21.5 20.9 分類損失は必要？* * WRN40-2 [Zagoruyko&Komodakis 17] を使用 戦略 元画像 変換後の画像 分布間距離 誤差逆伝播 + 分類損失 元画像と変換後の画像を近づける 変換がクラスを変えないように制限
まとめ 10 データ数が多いほど機械学習モデルの性能は向上 → 現実にはデータ数は容易には増やせない 画像変換で「実質的な」データ数を増やすデータ拡張が有効 有効なデータ拡張戦略を自動設計する手法が登場 →特に微分可能なデータ拡張戦略は高速に探索可能 https:!"github.com/moskomule/dda https:!"github.com/albumentations-team/autoalbument Faster AutoAugmentについて 実装： 問合せ： hataya@nlab.c.i.u-tokyo.ac.jp

Recommended

モデル高速化百选
モデル高速化百选モデル高速化百选
モデル高速化百选
Yusuke Uchida
?
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Swin Transformer (ICCV'21 Best Paper) を完璧に理解する資料
Yusuke Uchida
?
【DL輪読会】ViT + Self Supervised Learningまとめ
【DL輪読会】ViT + Self Supervised Learningまとめ【DL輪読会】ViT + Self Supervised Learningまとめ
【DL輪読会】ViT + Self Supervised Learningまとめ
Deep Learning JP
?
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 ? 足りない情報をどのように補うか？?
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 ? 足りない情報をどのように補うか？?SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 ? 足りない情報をどのように補うか？?
SSII2022 [SS2] 少ないデータやラベルを効率的に活用する機械学習技術 ? 足りない情報をどのように補うか？?
SSII
?
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 ? TransformerのCompute...
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 ? TransformerのCompute...SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 ? TransformerのCompute...
SSII2021 [SS1] Transformer x Computer Visionの 実活用可能性と展望 ? TransformerのCompute...
SSII
?
罢谤补苍蝉蹿辞谤尘别谤を雰囲気で理解する
罢谤补苍蝉蹿辞谤尘别谤を雰囲気で理解する罢谤补苍蝉蹿辞谤尘别谤を雰囲気で理解する
罢谤补苍蝉蹿辞谤尘别谤を雰囲気で理解する
AtsukiYamaguchi1
?
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
[DL輪読会]Learning Transferable Visual Models From Natural Language Supervision
Deep Learning JP
?
翱辫迟颈尘颈锄别谤入门＆最新动向
翱辫迟颈尘颈锄别谤入门＆最新动向翱辫迟颈尘颈锄别谤入门＆最新动向
翱辫迟颈尘颈锄别谤入门＆最新动向
Motokawa Tetsuya
?
画像処理础滨を用いた异常検知
画像処理础滨を用いた异常検知画像処理础滨を用いた异常検知
画像処理础滨を用いた异常検知
Hideo Terada
?
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
西岡 賢一郎
?
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 [OS3-03] スケーラブルなロボット学習システムに向けて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 [OS3-03] スケーラブルなロボット学習システムに向けて
SSII
?
Deep Learningによる画像認識革命　ー歴史?最新理論から実践応用までー
Deep Learningによる画像認識革命　ー歴史?最新理論から実践応用までーDeep Learningによる画像認識革命　ー歴史?最新理論から実践応用までー
Deep Learningによる画像認識革命　ー歴史?最新理論から実践応用までー
nlab_utokyo
?
【メタサーベイ】数式ドリブン教师あり学习
【メタサーベイ】数式ドリブン教师あり学习【メタサーベイ】数式ドリブン教师あり学习
【メタサーベイ】数式ドリブン教师あり学习
cvpaper. challenge
?
畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化
Yusuke Uchida
?
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks? 【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
Deep Learning JP
?
Triplet Loss 徹底解説
Triplet Loss 徹底解説Triplet Loss 徹底解説
Triplet Loss 徹底解説
tancoro
?
生成モデルの Deep Learning
生成モデルの Deep Learning生成モデルの Deep Learning
生成モデルの Deep Learning
Seiya Tokui
?
自己教師学習（Self-Supervised Learning）
自己教師学習（Self-Supervised Learning）自己教師学習（Self-Supervised Learning）
自己教師学習（Self-Supervised Learning）
cvpaper. challenge
?
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
Yusuke Uchida
?
ドメイン适応の原理と応用
ドメイン适応の原理と応用ドメイン适応の原理と応用
ドメイン适応の原理と応用
Yoshitaka Ushiku
?
Transformer メタサーベイ
Transformer メタサーベイTransformer メタサーベイ
Transformer メタサーベイ
cvpaper. challenge
?
动作认识の最前线：手法，タスク，データセット
动作认识の最前线：手法，タスク，データセット动作认识の最前线：手法，タスク，データセット
动作认识の最前线：手法，タスク，データセット
Toru Tamaki
?
近年のHierarchical Vision Transformer
近年のHierarchical Vision Transformer近年のHierarchical Vision Transformer
近年のHierarchical Vision Transformer
Yusuke Uchida
?
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
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
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
?
深层学习の数理
深层学习の数理深层学习の数理
深层学习の数理
Taiji Suzuki
?
[DL輪読会]Vision Transformer with Deformable Attention （Deformable Attention Tra...
[DL輪読会]Vision Transformer with Deformable Attention （Deformable Attention Tra...[DL輪読会]Vision Transformer with Deformable Attention （Deformable Attention Tra...
[DL輪読会]Vision Transformer with Deformable Attention （Deformable Attention Tra...
Deep Learning JP
?
12. Diffusion Model の数学的基礎.pdf
12. Diffusion Model の数学的基礎.pdf12. Diffusion Model の数学的基礎.pdf
12. Diffusion Model の数学的基礎.pdf
幸太朗 岩澤
?
Curriculum Learning （関東CV勉強会）
Curriculum Learning （関東CV勉強会）Curriculum Learning （関東CV勉強会）
Curriculum Learning （関東CV勉強会）
Yoshitaka Ushiku
?
大规模画像认识とその周辺
大规模画像认识とその周辺大规模画像认识とその周辺
大规模画像认识とその周辺
n_hidekey
?
大域的探索から局所的探索へデータ拡張 (Data Augmentation)を用いた学習の探索テクニック
大域的探索から局所的探索へデータ拡張 (Data Augmentation)を用いた学習の探索テクニック 大域的探索から局所的探索へデータ拡張 (Data Augmentation)を用いた学習の探索テクニック
大域的探索から局所的探索へデータ拡張 (Data Augmentation)を用いた学習の探索テクニック
西岡 賢一郎
?

More Related Content

What's hot (20)

画像処理础滨を用いた异常検知
画像処理础滨を用いた异常検知画像処理础滨を用いた异常検知
画像処理础滨を用いた异常検知
Hideo Terada
?
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
西岡 賢一郎
?
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 [OS3-03] スケーラブルなロボット学習システムに向けて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 [OS3-03] スケーラブルなロボット学習システムに向けて
SSII
?
Deep Learningによる画像認識革命　ー歴史?最新理論から実践応用までー
Deep Learningによる画像認識革命　ー歴史?最新理論から実践応用までーDeep Learningによる画像認識革命　ー歴史?最新理論から実践応用までー
Deep Learningによる画像認識革命　ー歴史?最新理論から実践応用までー
nlab_utokyo
?
【メタサーベイ】数式ドリブン教师あり学习
【メタサーベイ】数式ドリブン教师あり学习【メタサーベイ】数式ドリブン教师あり学习
【メタサーベイ】数式ドリブン教师あり学习
cvpaper. challenge
?
畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化
Yusuke Uchida
?
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks? 【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
Deep Learning JP
?
Triplet Loss 徹底解説
Triplet Loss 徹底解説Triplet Loss 徹底解説
Triplet Loss 徹底解説
tancoro
?
生成モデルの Deep Learning
生成モデルの Deep Learning生成モデルの Deep Learning
生成モデルの Deep Learning
Seiya Tokui
?
自己教師学習（Self-Supervised Learning）
自己教師学習（Self-Supervised Learning）自己教師学習（Self-Supervised Learning）
自己教師学習（Self-Supervised Learning）
cvpaper. challenge
?
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
Yusuke Uchida
?
ドメイン适応の原理と応用
ドメイン适応の原理と応用ドメイン适応の原理と応用
ドメイン适応の原理と応用
Yoshitaka Ushiku
?
Transformer メタサーベイ
Transformer メタサーベイTransformer メタサーベイ
Transformer メタサーベイ
cvpaper. challenge
?
动作认识の最前线：手法，タスク，データセット
动作认识の最前线：手法，タスク，データセット动作认识の最前线：手法，タスク，データセット
动作认识の最前线：手法，タスク，データセット
Toru Tamaki
?
近年のHierarchical Vision Transformer
近年のHierarchical Vision Transformer近年のHierarchical Vision Transformer
近年のHierarchical Vision Transformer
Yusuke Uchida
?
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
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
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
?
深层学习の数理
深层学习の数理深层学习の数理
深层学习の数理
Taiji Suzuki
?
[DL輪読会]Vision Transformer with Deformable Attention （Deformable Attention Tra...
[DL輪読会]Vision Transformer with Deformable Attention （Deformable Attention Tra...[DL輪読会]Vision Transformer with Deformable Attention （Deformable Attention Tra...
[DL輪読会]Vision Transformer with Deformable Attention （Deformable Attention Tra...
Deep Learning JP
?
12. Diffusion Model の数学的基礎.pdf
12. Diffusion Model の数学的基礎.pdf12. Diffusion Model の数学的基礎.pdf
12. Diffusion Model の数学的基礎.pdf
幸太朗 岩澤
?
Curriculum Learning （関東CV勉強会）
Curriculum Learning （関東CV勉強会）Curriculum Learning （関東CV勉強会）
Curriculum Learning （関東CV勉強会）
Yoshitaka Ushiku
?
画像処理础滨を用いた异常検知
画像処理础滨を用いた异常検知画像処理础滨を用いた异常検知
画像処理础滨を用いた异常検知
Hideo Terada
?
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
ブラックボックスからXAI (説明可能なAI) へ - LIME (Local Interpretable Model-agnostic Explanat...
西岡 賢一郎
?
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 [OS3-03] スケーラブルなロボット学習システムに向けて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 [OS3-03] スケーラブルなロボット学習システムに向けて
SSII
?
Deep Learningによる画像認識革命　ー歴史?最新理論から実践応用までー
Deep Learningによる画像認識革命　ー歴史?最新理論から実践応用までーDeep Learningによる画像認識革命　ー歴史?最新理論から実践応用までー
Deep Learningによる画像認識革命　ー歴史?最新理論から実践応用までー
nlab_utokyo
?
【メタサーベイ】数式ドリブン教师あり学习
【メタサーベイ】数式ドリブン教师あり学习【メタサーベイ】数式ドリブン教师あり学习
【メタサーベイ】数式ドリブン教师あり学习
cvpaper. challenge
?
畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化畳み込みニューラルネットワークの高精度化と高速化
畳み込みニューラルネットワークの高精度化と高速化
Yusuke Uchida
?
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks? 【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
【DL輪読会】How Much Can CLIP Benefit Vision-and-Language Tasks?
Deep Learning JP
?
Triplet Loss 徹底解説
Triplet Loss 徹底解説Triplet Loss 徹底解説
Triplet Loss 徹底解説
tancoro
?
生成モデルの Deep Learning
生成モデルの Deep Learning生成モデルの Deep Learning
生成モデルの Deep Learning
Seiya Tokui
?
自己教師学習（Self-Supervised Learning）
自己教師学習（Self-Supervised Learning）自己教師学習（Self-Supervised Learning）
自己教師学習（Self-Supervised Learning）
cvpaper. challenge
?
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
You Only Look One-level Featureの解説と見せかけた物体検出のよもやま話
Yusuke Uchida
?
ドメイン适応の原理と応用
ドメイン适応の原理と応用ドメイン适応の原理と応用
ドメイン适応の原理と応用
Yoshitaka Ushiku
?
Transformer メタサーベイ
Transformer メタサーベイTransformer メタサーベイ
Transformer メタサーベイ
cvpaper. challenge
?
动作认识の最前线：手法，タスク，データセット
动作认识の最前线：手法，タスク，データセット动作认识の最前线：手法，タスク，データセット
动作认识の最前线：手法，タスク，データセット
Toru Tamaki
?
近年のHierarchical Vision Transformer
近年のHierarchical Vision Transformer近年のHierarchical Vision Transformer
近年のHierarchical Vision Transformer
Yusuke Uchida
?
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
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
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
?
深层学习の数理
深层学习の数理深层学习の数理
深层学习の数理
Taiji Suzuki
?
[DL輪読会]Vision Transformer with Deformable Attention （Deformable Attention Tra...
[DL輪読会]Vision Transformer with Deformable Attention （Deformable Attention Tra...[DL輪読会]Vision Transformer with Deformable Attention （Deformable Attention Tra...
[DL輪読会]Vision Transformer with Deformable Attention （Deformable Attention Tra...
Deep Learning JP
?
12. Diffusion Model の数学的基礎.pdf
12. Diffusion Model の数学的基礎.pdf12. Diffusion Model の数学的基礎.pdf
12. Diffusion Model の数学的基礎.pdf
幸太朗 岩澤
?
Curriculum Learning （関東CV勉強会）
Curriculum Learning （関東CV勉強会）Curriculum Learning （関東CV勉強会）
Curriculum Learning （関東CV勉強会）
Yoshitaka Ushiku
?

Similar to SSII2021 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向 (20)

大规模画像认识とその周辺
大规模画像认识とその周辺大规模画像认识とその周辺
大规模画像认识とその周辺
n_hidekey
?
大域的探索から局所的探索へデータ拡張 (Data Augmentation)を用いた学習の探索テクニック
大域的探索から局所的探索へデータ拡張 (Data Augmentation)を用いた学習の探索テクニック 大域的探索から局所的探索へデータ拡張 (Data Augmentation)を用いた学習の探索テクニック
大域的探索から局所的探索へデータ拡張 (Data Augmentation)を用いた学習の探索テクニック
西岡 賢一郎
?
[DL輪読会]Deep Face Recognition: A Survey
[DL輪読会]Deep Face Recognition: A Survey[DL輪読会]Deep Face Recognition: A Survey
[DL輪読会]Deep Face Recognition: A Survey
Deep Learning JP
?
Webリソースを利用したDeep Learning ～地図タイルを例として
Webリソースを利用したDeep Learning ～地図タイルを例としてWebリソースを利用したDeep Learning ～地図タイルを例として
Webリソースを利用したDeep Learning ～地図タイルを例として
IWASAKI NOBUSUKE
?
ディープラーニング最近の発展とビジネス応用への课题
ディープラーニング最近の発展とビジネス応用への课题ディープラーニング最近の発展とビジネス応用への课题
ディープラーニング最近の発展とビジネス応用への课题
Kenta Oono
?
「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation 「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
Takumi Ohkuma
?
【DL輪読会】ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
【DL輪読会】ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation【DL輪読会】ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
【DL輪読会】ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
Deep Learning JP
?
Azure における強化学習への取り組み
Azure における強化学習への取り組みAzure における強化学習への取り組み
Azure における強化学習への取り組み
Keita Onabuta
?
础滨が础滨を生み出す？
础滨が础滨を生み出す？础滨が础滨を生み出す？
础滨が础滨を生み出す？
Daiki Tsuchiya
?
market-api.dev_financial_data_augmentation.pptx
market-api.dev_financial_data_augmentation.pptxmarket-api.dev_financial_data_augmentation.pptx
market-api.dev_financial_data_augmentation.pptx
jmiyashitafl
?
文献紹介：Multi-dataset Training of Transformers for Robust Action Recognition
文献紹介：Multi-dataset Training of Transformers for Robust Action Recognition文献紹介：Multi-dataset Training of Transformers for Robust Action Recognition
文献紹介：Multi-dataset Training of Transformers for Robust Action Recognition
Toru Tamaki
?
Developers Summit 2022 プロダクト開発速度とデータの組織的価値をセットで飛躍的に高める開発戦略
Developers Summit 2022 プロダクト開発速度とデータの組織的価値をセットで飛躍的に高める開発戦略Developers Summit 2022 プロダクト開発速度とデータの組織的価値をセットで飛躍的に高める開発戦略
Developers Summit 2022 プロダクト開発速度とデータの組織的価値をセットで飛躍的に高める開発戦略
Takanori Kawahara
?
Introduction of the_paper
Introduction of the_paperIntroduction of the_paper
Introduction of the_paper
NaokiIto8
?
デジタルトランスフォーメーション時代を生き抜くためのビジネス力 ～ AI、Advanced Analytics の使いどころ ～
デジタルトランスフォーメーション時代を生き抜くためのビジネス力 ～ AI、Advanced Analytics の使いどころ ～デジタルトランスフォーメーション時代を生き抜くためのビジネス力 ～ AI、Advanced Analytics の使いどころ ～
デジタルトランスフォーメーション時代を生き抜くためのビジネス力 ～ AI、Advanced Analytics の使いどころ ～
Daiyu Hatakeyama
?
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
Preferred Networks
?
[DL輪読会]Progressive Growing of GANs for Improved Quality, Stability, and Varia...
[DL輪読会]Progressive Growing of GANs for Improved Quality, Stability, and Varia...[DL輪読会]Progressive Growing of GANs for Improved Quality, Stability, and Varia...
[DL輪読会]Progressive Growing of GANs for Improved Quality, Stability, and Varia...
Deep Learning JP
?
CVPR2016 reading - 特徴量学習とクロスモーダル転移について
CVPR2016 reading - 特徴量学習とクロスモーダル転移についてCVPR2016 reading - 特徴量学習とクロスモーダル転移について
CVPR2016 reading - 特徴量学習とクロスモーダル転移について
Akisato Kimura
?
20150930
2015093020150930
20150930
nlab_utokyo
?
Discriminative Deep Dyna-Q: Robust Planning for Dialogue Policy Learning
Discriminative Deep Dyna-Q: Robust Planning for Dialogue Policy LearningDiscriminative Deep Dyna-Q: Robust Planning for Dialogue Policy Learning
Discriminative Deep Dyna-Q: Robust Planning for Dialogue Policy Learning
TomoyasuOkada
?
NVIDIA Seminar ディープラーニングによる画像認識と応用事例
NVIDIA Seminar ディープラーニングによる画像認識と応用事例NVIDIA Seminar ディープラーニングによる画像認識と応用事例
NVIDIA Seminar ディープラーニングによる画像認識と応用事例
Takayoshi Yamashita
?
大规模画像认识とその周辺
大规模画像认识とその周辺大规模画像认识とその周辺
大规模画像认识とその周辺
n_hidekey
?
大域的探索から局所的探索へデータ拡張 (Data Augmentation)を用いた学習の探索テクニック
大域的探索から局所的探索へデータ拡張 (Data Augmentation)を用いた学習の探索テクニック 大域的探索から局所的探索へデータ拡張 (Data Augmentation)を用いた学習の探索テクニック
大域的探索から局所的探索へデータ拡張 (Data Augmentation)を用いた学習の探索テクニック
西岡 賢一郎
?
[DL輪読会]Deep Face Recognition: A Survey
[DL輪読会]Deep Face Recognition: A Survey[DL輪読会]Deep Face Recognition: A Survey
[DL輪読会]Deep Face Recognition: A Survey
Deep Learning JP
?
Webリソースを利用したDeep Learning ～地図タイルを例として
Webリソースを利用したDeep Learning ～地図タイルを例としてWebリソースを利用したDeep Learning ～地図タイルを例として
Webリソースを利用したDeep Learning ～地図タイルを例として
IWASAKI NOBUSUKE
?
ディープラーニング最近の発展とビジネス応用への课题
ディープラーニング最近の発展とビジネス応用への课题ディープラーニング最近の発展とビジネス応用への课题
ディープラーニング最近の発展とビジネス応用への课题
Kenta Oono
?
「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation 「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
Takumi Ohkuma
?
【DL輪読会】ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
【DL輪読会】ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation【DL輪読会】ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
【DL輪読会】ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
Deep Learning JP
?
Azure における強化学習への取り組み
Azure における強化学習への取り組みAzure における強化学習への取り組み
Azure における強化学習への取り組み
Keita Onabuta
?
础滨が础滨を生み出す？
础滨が础滨を生み出す？础滨が础滨を生み出す？
础滨が础滨を生み出す？
Daiki Tsuchiya
?
market-api.dev_financial_data_augmentation.pptx
market-api.dev_financial_data_augmentation.pptxmarket-api.dev_financial_data_augmentation.pptx
market-api.dev_financial_data_augmentation.pptx
jmiyashitafl
?
文献紹介：Multi-dataset Training of Transformers for Robust Action Recognition
文献紹介：Multi-dataset Training of Transformers for Robust Action Recognition文献紹介：Multi-dataset Training of Transformers for Robust Action Recognition
文献紹介：Multi-dataset Training of Transformers for Robust Action Recognition
Toru Tamaki
?
Developers Summit 2022 プロダクト開発速度とデータの組織的価値をセットで飛躍的に高める開発戦略
Developers Summit 2022 プロダクト開発速度とデータの組織的価値をセットで飛躍的に高める開発戦略Developers Summit 2022 プロダクト開発速度とデータの組織的価値をセットで飛躍的に高める開発戦略
Developers Summit 2022 プロダクト開発速度とデータの組織的価値をセットで飛躍的に高める開発戦略
Takanori Kawahara
?
Introduction of the_paper
Introduction of the_paperIntroduction of the_paper
Introduction of the_paper
NaokiIto8
?
デジタルトランスフォーメーション時代を生き抜くためのビジネス力 ～ AI、Advanced Analytics の使いどころ ～
デジタルトランスフォーメーション時代を生き抜くためのビジネス力 ～ AI、Advanced Analytics の使いどころ ～デジタルトランスフォーメーション時代を生き抜くためのビジネス力 ～ AI、Advanced Analytics の使いどころ ～
デジタルトランスフォーメーション時代を生き抜くためのビジネス力 ～ AI、Advanced Analytics の使いどころ ～
Daiyu Hatakeyama
?
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
Preferred Networks
?
[DL輪読会]Progressive Growing of GANs for Improved Quality, Stability, and Varia...
[DL輪読会]Progressive Growing of GANs for Improved Quality, Stability, and Varia...[DL輪読会]Progressive Growing of GANs for Improved Quality, Stability, and Varia...
[DL輪読会]Progressive Growing of GANs for Improved Quality, Stability, and Varia...
Deep Learning JP
?
CVPR2016 reading - 特徴量学習とクロスモーダル転移について
CVPR2016 reading - 特徴量学習とクロスモーダル転移についてCVPR2016 reading - 特徴量学習とクロスモーダル転移について
CVPR2016 reading - 特徴量学習とクロスモーダル転移について
Akisato Kimura
?
20150930
2015093020150930
20150930
nlab_utokyo
?
Discriminative Deep Dyna-Q: Robust Planning for Dialogue Policy Learning
Discriminative Deep Dyna-Q: Robust Planning for Dialogue Policy LearningDiscriminative Deep Dyna-Q: Robust Planning for Dialogue Policy Learning
Discriminative Deep Dyna-Q: Robust Planning for Dialogue Policy Learning
TomoyasuOkada
?
NVIDIA Seminar ディープラーニングによる画像認識と応用事例
NVIDIA Seminar ディープラーニングによる画像認識と応用事例NVIDIA Seminar ディープラーニングによる画像認識と応用事例
NVIDIA Seminar ディープラーニングによる画像認識と応用事例
Takayoshi Yamashita
?

More from SSII (20)

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 [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 [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 [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
?
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 [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 [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 [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
?
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 [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 [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 [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 [TS1] Transformerの最前線? 畳込みニューラルネットワークの先へ ?
SSII2022 [TS1] Transformerの最前線? 畳込みニューラルネットワークの先へ ?SSII2022 [TS1] Transformerの最前線? 畳込みニューラルネットワークの先へ ?
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
?
SSII2022 [OS3-04] Human-in-the-Loop 機械学習
SSII2022 [OS3-04] Human-in-the-Loop 機械学習SSII2022 [OS3-04] Human-in-the-Loop 機械学習
SSII2022 [OS3-04] Human-in-the-Loop 機械学習
SSII
?
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用SSII2022 [OS3-02] Federated Learningの基礎と応用
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
SSII2022 [OS3-01] 深層学習のための効率的なデータ収集と活用SSII2022 [OS3-01] 深層学習のための効率的なデータ収集と活用
SSII2022 [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
SSII2022 [OS2-01] イメージング最前線SSII2022 [OS2-01] イメージング最前線
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
SSII2022 [OS1-01] AI時代のチームビルディングSSII2022 [OS1-01] AI時代のチームビルディング
SSII2022 [OS1-01] AI時代のチームビルディング
SSII
?
SSII2021 [OS2-01] 転移学習の基礎：異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎：異なるタスクの知識を利用するための機械学習の方法SSII2021 [OS2-01] 転移学習の基礎：異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎：異なるタスクの知識を利用するための機械学習の方法
SSII
?
SSII2021 [SS2] Deepfake Generation and Detection – An Overview （ディープフェイクの生成と検出）
SSII2021 [SS2] Deepfake Generation and Detection – An Overview （ディープフェイクの生成と検出）SSII2021 [SS2] Deepfake Generation and Detection – An Overview （ディープフェイクの生成と検出）
SSII2021 [SS2] Deepfake Generation and Detection – An Overview （ディープフェイクの生成と検出）
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 ?
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 [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 [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 ?
SSII2021 [TS2] 深層強化学習 ? 強化学習の基礎から応用まで ?SSII2021 [TS2] 深層強化学習 ? 強化学習の基礎から応用まで ?
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～
SSII2021 [TS1] Visual SLAM ～カメラ幾何の基礎から最近の技術動向まで～SSII2021 [TS1] Visual SLAM ～カメラ幾何の基礎から最近の技術動向まで～
SSII2021 [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
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 [OS3-03] 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 [OS3-03] 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
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 [OS3-02] 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 [OS3-02] 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
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 [OS3-01] 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 [OS3-01] 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）
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 [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 [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 [OS2-03] 自己教師あり学習における対照学習の基礎と応用
SSII2021 [OS2-03] 自己教師あり学習における対照学習の基礎と応用SSII2021 [OS2-03] 自己教師あり学習における対照学習の基礎と応用
SSII2021 [OS2-03] 自己教師あり学習における対照学習の基礎と応用
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
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 [OS1-03] 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 [OS1-03] 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
?
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 [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 [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 [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
?
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 [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 [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 [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
?
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 [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 [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 [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 [TS1] Transformerの最前線? 畳込みニューラルネットワークの先へ ?
SSII2022 [TS1] Transformerの最前線? 畳込みニューラルネットワークの先へ ?SSII2022 [TS1] Transformerの最前線? 畳込みニューラルネットワークの先へ ?
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
?
SSII2022 [OS3-04] Human-in-the-Loop 機械学習
SSII2022 [OS3-04] Human-in-the-Loop 機械学習SSII2022 [OS3-04] Human-in-the-Loop 機械学習
SSII2022 [OS3-04] Human-in-the-Loop 機械学習
SSII
?
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用SSII2022 [OS3-02] Federated Learningの基礎と応用
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
SSII2022 [OS3-01] 深層学習のための効率的なデータ収集と活用SSII2022 [OS3-01] 深層学習のための効率的なデータ収集と活用
SSII2022 [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
SSII2022 [OS2-01] イメージング最前線SSII2022 [OS2-01] イメージング最前線
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
SSII2022 [OS1-01] AI時代のチームビルディングSSII2022 [OS1-01] AI時代のチームビルディング
SSII2022 [OS1-01] AI時代のチームビルディング
SSII
?
SSII2021 [OS2-01] 転移学習の基礎：異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎：異なるタスクの知識を利用するための機械学習の方法SSII2021 [OS2-01] 転移学習の基礎：異なるタスクの知識を利用するための機械学習の方法
SSII2021 [OS2-01] 転移学習の基礎：異なるタスクの知識を利用するための機械学習の方法
SSII
?
SSII2021 [SS2] Deepfake Generation and Detection – An Overview （ディープフェイクの生成と検出）
SSII2021 [SS2] Deepfake Generation and Detection – An Overview （ディープフェイクの生成と検出）SSII2021 [SS2] Deepfake Generation and Detection – An Overview （ディープフェイクの生成と検出）
SSII2021 [SS2] Deepfake Generation and Detection – An Overview （ディープフェイクの生成と検出）
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 ?
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 [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 [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 ?
SSII2021 [TS2] 深層強化学習 ? 強化学習の基礎から応用まで ?SSII2021 [TS2] 深層強化学習 ? 強化学習の基礎から応用まで ?
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～
SSII2021 [TS1] Visual SLAM ～カメラ幾何の基礎から最近の技術動向まで～SSII2021 [TS1] Visual SLAM ～カメラ幾何の基礎から最近の技術動向まで～
SSII2021 [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
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 [OS3-03] 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 [OS3-03] 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
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 [OS3-02] 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 [OS3-02] 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
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 [OS3-01] 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 [OS3-01] 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）
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 [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 [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 [OS2-03] 自己教師あり学習における対照学習の基礎と応用
SSII2021 [OS2-03] 自己教師あり学習における対照学習の基礎と応用SSII2021 [OS2-03] 自己教師あり学習における対照学習の基礎と応用
SSII2021 [OS2-03] 自己教師あり学習における対照学習の基礎と応用
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
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 [OS1-03] 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 [OS1-03] 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 [OS2-02] 深層学習におけるデータ拡張の原理と最新動向

AboutCopyright
? 2025 狠狠撸