深層学習を用いた CG・画像処理

基本情報

• 実施時期: 秋学期 ABC モジュール、水 3,4 限・金 5, 6 限
• 実施場所: オンライン (Microsoft Teams)

※初回は 2021/10/6 (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),
              遠藤 結城 (endo@cs.tsukuba.ac.jp, 総合研究棟 B 棟 1125 号室)
TA: 田島 大地 (s2120614@s.tsukuba.ac.jp)

実験の目標

• CG や画像処理を対象とした深層学習に関する基礎的な知識を身につける。
• 主に教師あり学習に基づき、学習タスクの選定、ネットワークモデル・データセットの構築、訓練 (学習)、評価など一通りの実験を経験する。
• 研究活動で必須の能力である、未知の内容を自ら調べ、実験し、考察を通じて理解を深める姿勢を身につける。

実験の進め方 (予定)

1. 基礎知識・技能の習得

• 機械学習や深層学習についてのキーワードについて各自調べ、レポートを提出。
• Python や OpenCV, numpy, scikit-learn などのライブラリについての基本的なプログラミングを体験し、ソースコードを提出。

2. 深層学習についての基礎知識・技能の習得

• CG や画像処理分野においてどのような学習タスクがあるのか、またそのタスクで用いられている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、座学 (担当教員 or TA による講義) と参考資料を基に学ぶ。
• 実際に深層学習のライブラリと既存のソースコードを動かしてみて、深層学習を体験してみる。

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、変更の可能性あり)

日付	内容	資料・課題など
10/6	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)
10/8	講義 (理論編・その 2)	講義資料、課題 (2)
10/13	講義 (実践編・その 1)、課題 (1) 提出締切	講義資料
10/15	講義 (実践編・多クラス分類)、課題 (2) 提出締切	講義資料、課題 (3)
10/20	講義 (実践編・その 2)、講義 (実践編・事例紹介)	講義資料、講義資料、課題 (4)
10/22, 27, 29	(自習)
11/9	学習タスクの候補をプレゼン (情報メディア創成学類)
11/12	学習タスクの候補をプレゼン (情報科学類)
11/17, 19	(自習)
11/24	(自習)、学習タスクの計画書提出締切 (23:59)
12/1, 3	(自習)
12/8	進捗プレゼン (情報科学類)
12/10	進捗プレゼン (情報メディア創成学類)
12/15, 17	(自習)
12/22	進捗プレゼン (情報メディア創成学類)
12/24	進捗プレゼン (情報科学類)
1/7	(自習)
1/12	進捗プレゼン (情報科学類)
1/13	進捗プレゼン (情報メディア創成学類)
1/19, 21	(自習)
1/26	最終発表会 (情報メディア創成学類)
1/28	最終発表会 (情報科学類)
2/2, 4	最終レポート作成
2/9	最終レポート提出締切

---

最終更新: 2021/10/20