内容概要

自動運転、無人コンビニなど物体検出モデルの活用が広がっています。

最近の物体検出モデルのトレンドはSSDを基本にしたモデルです。
百聞は一見に如かず、、、ではないですが、
お手元にあるスマホ画像にバウンディングボックス（箱）を表示して遊んでみましょう。
当日はお楽しみに！

開催日程

7/30（火）
受付： 19:50〜20:00
講義： 20:00〜21:30

※
途中5分ほどの休憩を1回設ける予定です。

アジェンダ

1. 物体検出の概要(45分)
    1-1. 物体検出とは
    1-2. 物体検出モデルの歴史
    1-3. YOLOとSSDの性能比較
    1-4. 物体検出モデルの最新トレンド(M2Det)とSSDを学ぶ理由
    1-5. SSDの特徴と強みと弱み 
    1-6. SSDがバウンディングボックスを推論する仕組み
    1-7. SSDネットワークが出力するTensor形状とバウンディングボックスへの変換

2. ハンズオン(30分)
    2-1. 環境設定(Google Colaboratory)の解説
    2-2. SSD推論プログラムのダウンロードとColab環境へのアップロード
    2-3. サンプル画像でのバウンディングボックスの表示
    2-4. スマホ画像でのバウンディングボックスの表示
    2-5. プログラムの簡単な解説

3. QAと詳細ハンズオンコースのご案内(5分)
    9月に物体検出SSDの詳細版及び最新モデルM2Detを使用したハンズオンセミナーを予定しています。
    ご案内のページを8月に送付予定です。ご興味がある方はフォームにメールアドレス登録をお願い致します。
    https://ssd-handson.com/

    
※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）
※ハンズオンは拙著「PyTorch実装ハンドブック」のSSD推論プログラムを動かします。
https://github.com/miyamotok0105/pytorch_handbook/blob/master/chapter7/demo/section7_1.ipynb
※＜詳細ハンズオンコースの予定＞
・PyTorchの基本操作
・訓練データの作成（アノテーション追加）
・訓練による新規モデルの作成
・モデルの評価
・画像の水増し
・新しい訓練データセットの取り込み→訓練→推論
・最新モデルM2DetとSSDの比較

詳細ハンズオンのお問い合わせは以下になります。
ayukat101699@yahoo.co.jp

会場

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

対象者

・スマホ画像にバウンディングボックス（箱）を表示してみたい人
・物体検出モデルがバウンディングボックスを表示する仕組みに興味がある人
・PyTorchの経験はないけど興味がある人
・物体検出YOLOのサイト↓をビビッときた人
https://pjreddie.com/darknet/yolo/

※
対象レベルとしては，他のフレームワークを使ってMNISTなどの画像分類の経験がある人を想定しています。
Pythonの経験は必要ですが、PyTorchの経験はなくても問題ありません。
Google Colabを使用しますが、簡単な解説がありますので、未経験でも問題ありません。

講師プロフィール

名前：毛利拓也
学生時代は東京理科大学の連携大学院を利用し、NTT研究所で量子ビットの理論モデルの論文を
執筆し修士号を取得。
https://arxiv.org/abs/cond-mat/0501581
その後、アビームコンサルティングで基幹システム（ERP）導入プロジェクトをリード。
その後、東京大学の社会人講座でディープラーニングを学び、
下記リンク先の『PyTorchニューラルネットワーク実装ハンドブック』の物体検出の章を執筆。
https://www.shuwasystem.co.jp/book/9784798055473.html

当日のお持物

PC（Python環境はご自身で予めご用意ください）
Googleアカウントの作成（Colabのログイン時にアカウントを使用します）
Google Driveの0.5GBの空き容量

費用

3,000円 (1.5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

定員

7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）

備考

https://www.slideshare.net/TakuyaMouri/yolo-v1
↑上記が講師が作成したYOLO_v1論文を解説したスライドになりますので、参考にしていただけたらと思います！！

ご参加にあたってのお願い

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。