深層学習を用いた CG・画像処理

基本情報

※初回は 2020/10/7 (水) です。Microsoft Teams へのアクセス方法は別途メールで連絡します。

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: 高橋 遼 (s2020617@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)

日付内容資料・課題など
10/7ガイダンス、講義 (理論編・その 1)ガイダンス資料講義資料課題 (1)
10/9講義 (理論編・その 2)、課題 (1) 提出締切講義資料課題 (2)
10/14講義 (実践編・その 1)講義資料
10/16講義 (実践編・その 2)、課題 (3)、課題 (2) 提出締切講義資料課題 (3)
10/21, 23, 28, 30(自習)課題 (4)
11/4, 11(自習)
11/13学習タスクの候補をプレゼン
11/18(自習)
11/20学習タスクの計画書提出締切 (23:59) 
12/2講義 (実践編・多クラス分類)講義資料
12/4, 9, 11, 16(自習)
12/18進捗プレゼン 
12/23, 25(自習) 
1/6(自習) 
1/8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) 
1/20, 22, 27(自習) 
1/29最終発表会 
2/3最終レポート作成 
2/10最終レポート提出締切 

最終更新: 2020/12/3