BEGIN:VCALENDAR VERSION:2.0 PRODID:-//https://techplay.jp//JP CALSCALE:GREGORIAN METHOD:PUBLISH X-WR-CALDESC:【オンライン開催】『Vision Transformer入門』読 書会#2 X-WR-CALNAME:【オンライン開催】『Vision Transformer入門』読 書会#2 X-WR-TIMEZONE:Asia/Tokyo BEGIN:VTIMEZONE TZID:Asia/Tokyo BEGIN:STANDARD DTSTART:19700101T000000 TZOFFSETFROM:+0900 TZOFFSETTO:+0900 TZNAME:JST END:STANDARD END:VTIMEZONE BEGIN:VEVENT UID:889773@techplay.jp SUMMARY:【オンライン開催】『Vision Transformer入門』読書会# 2 DTSTART;TZID=Asia/Tokyo:20230201T200000 DTEND;TZID=Asia/Tokyo:20230201T210000 DTSTAMP:20260423T000559Z CREATED:20230125T143904Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/88977 3?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\n次回は第2章 からスタートします。\n開催趣旨\n本勉強会では、画像 認識モデルについて理解を深めることを目的とし、下 記の本を一章ずつ取り上げていく予定です。事前に予 習し、コードを一通り動かしてから参加されることを オススメします。参加者同士の質問・意見交換やディ スカッションをメインに進めていく予定です。 \n『Vis ion Transformer入門 Computer Vision Library』（\n片岡裕雄　監 修，山本晋太郎，徳永匡臣，箕浦大晃，邱玥（QIU YUE） ，品川政太朗　著\, 技術評論社\, 2022年9月） \n※ 書 籍はご自身で入手のうえ、ご参加ください。 \n参加対 象者\n\n画像認識モデルの理解・Pythonによる実装力を高 め、業務や研究に活用した社会人・学生・研究者の方 \nPythonの基礎的な文法やJupter Notebook、Google Colaboratoryの 基本的な使い方を習得されている方\n\n参加方法\nConnpas sの「参加者への情報」に記載のzoomリンクよりご参加 ください。 \n勉強会の進め方\n\nその日に取り扱う章 を前もって各自ご自身で読み進めておいてください。 \n勉強会では、皆で書籍の内容を確認しながら、必要 に応じて実際にコードを動かしていきます。 \nポイン トごとに立ち止まって疑問点をぶつけ合い、意見交換 し、理解を深めていければと思います。 \n\n※ 一人が 資料準備してきて一方的にレクチャーする形式ではな く、参加者同士インタラクティブにディスカッション しながら進めていきます。\n書籍の紹介文（https://gihyo. jp/book/2022/978-4-297-13058-9）\n以下、書籍紹介ページより 抜粋 \n自然言語処理分野におけるブレイクスルーとな ったTransformerをコンピュータビジョンに応用したモデ ルがVision Transformer（ViT）です。さまざまなコンピュー タビジョンのタスクにおいて，ディープラーニングで はスタンダードとなっているRNN，CNN，および既存手法 を用いた処理精度を上回ることが確認されています。 \n本書は注目のViTの入門書です。Transformerの成り立ち からはじめ，その理論と実装を解説していきます。今 後のViTの活用が期待される応用タスク，ViTから派生し たモデルを紹介したあと，TransoformerとViTを分析し，そ の謎を解明していきます。今後も普及が期待されるViT を盛りだくさんでお届けします。 \n【目次】 \n第1 章 TransformerからVision Transformerへの進化\n1-1 自然言語処 理におけるTransformerの登場\n1-2 Vision and languageへの拡張\ n1-3 コンピュータビジョンにおけるTransformer\n第2章 Visio n Transformerの基礎と実装\n2-1 準備\n2-2 ViTの全体像\n2-3 Inp ut Layer\n2-4 Self-Attention\n2-5 Encoder\n2-6 ViTの実装\n第3章 実 験と可視化によるVision Transformerの探求\n3-1 実験の概要\ n3-2 使用するデータセット\n3-3 実験条件\n3-4 既存手法 との比較\n3-5 データ拡張における比較\n3-6 位置埋め込 みの可視化\n3-7 ViTにおける判断根拠の可視化\n3-8 ViTが 捉えているモノ\n第4章 コンピュータビジョンタスクへ の応用\n4-1 コンピュータビジョンのサブタスク\n4-2 画 像認識への応用\n4-3 物体検出、セマンティックセグメ ンテーションへの応用\n4-4 ビデオ認識への応用\n4-5 オ ブジェクトトラッキングへの応用\n4-6 3Dビジョンへの 応用\n4-7 その他のコンピュータビジョンサブタスクへ の応用\n4-8 Transformer応用のまとめと展望\n第5章 Vision and Languageタスクへの応用\n5-1 Vision and Languageのサブタスク \n5-2 VQAへの応用\n5-3 Image Captioningへの応用\n5-4 Embodied AI への応用\n5-5 その他のVision and Languageサブタスクへの応 用\n5-6 Vision and Languageのまとめと展望\n第6章 Vision Transfo rmerの派生手法\n6-1 ViT派生手法の分類\n6-2 Swin Transformer\n 6-3 DeiT\n6-4 CvT\n6-5 SegFormer\n6-6 TimeSformer\n6-7 MAE\n第7章 Trans formerの謎を読み解く\n7-1 Transformerの謎に人々は驚き困 惑した\n7-2 Positional embeddingの謎\n7-3 Multi-head Attentionの謎 \n7-4 Layer Normalizationの謎\n第8章 Vision Transformerの謎を読 み解く\n8-1 ViT vs CNN vs MLPの三国時代の到来\n8-2 ViTはCNN と同じく局所特徴を学習する\n8-3 ViTはより形状に反応 する?\n8-4 ViTは早期から大域的な領域も見ている\n8-5 ViT はCNNやMLPよりもノイズや敵対的攻撃に頑健？\n8-6 3つの モデルの特性と使い分けの勘どころ\n8-7 ViTの新常識 \n 参加者同士の質問・情報交換\nScribble Osaka Lab（SOL）のSl ackワークスペースで、参加者同士の質問・情報共有用 チャンネルを設けております。参加ご希望の方は、申 込みフォームで招待メール送り先のEmailアドレスをお 教えください。 LOCATION:オンライン開催 URL:https://techplay.jp/event/889773?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR