深層学習を用いた CG・画像処理

基本情報

担当教員・TA

担当教員: 金森由博 (kanamori@cs.tsukuba.ac.jp, 総合研究棟 B 棟 1125 号室)
TA: 山口 智史 (s1920715@s.tsukuba.ac.jp)

実験の目標

実験の進め方 (予定)

1. 基礎知識・技能の習得

2. 深層学習についての基礎知識・技能の習得

3. 自分の学習タスクの設定

残りの実験で自分が取り組みたい学習タスクを設定し、ネットワークモデル、データセット、訓練方法、評価方法について計画を立て、各自がその内容についてプレゼンする。プレゼン資料は提出。学習タスクの新規性は問わない (既存の学習タスクを設定してもよい) が、ユニークなタスクや高度なタスクを設定すれば高評価。

4. 実験・経過発表・最終発表

自分で設定した学習タスクを遂行する。2〜3 回程度、途中経過を発表する機会を設け、各自がプレゼンする。実験の最終回までに最終成果についてプレゼンする。実験期間終了後、レポートを提出。

スケジュール (予定)

※資料は学内限定公開。

日付内容資料・課題など
10/4ガイダンス、講義 (理論編・その 1)ガイダンス資料講義資料
10/9講義 (理論編・その 2)講義資料課題 (1)
10/11, 10/16(自習) 
10/23課題 (1) 提出締切 
10/25※大雨洪水警報のため休講 
10/30講義 (実践編・その 1)講義資料
11/1講義 (実践編・その 2)講義資料
11/8, 11/13(自習) 
11/15学習タスクの候補をプレゼンpptx 提出締切: 11/14 23:59
11/20, 22(自習) 
11/26学習タスクの計画書提出締切 (23:59) 
12/4, 6, 11(自習)課題 (2)(3)(4)
12/13進捗プレゼン (データセット) 
12/18, 20, 25(自習) 
1/8(自習) 
1/10進捗プレゼン (サンプルコードの動作確認、自分のデータセットでの実験) 
1/15, 16, 24(自習) 
1/29最終発表会 
1/31最終レポート作成 
2/7最終レポート提出締切 

最終更新: 2019/12/25