日時：2018年4月19日（木） 14:00-16:30
14:00-14:10 ATR 脳情報通信総合研究所 BRI室 主幹 内部 英治
14:10-15:10 東京大学 大学院情報理工学系研究科 教授 原田 達也 先生
15:10-15:20 休憩
15:20-16:20 電気通信大学 大学院情報理工学研究科 教授 柳井 啓司 先生
16:20-16:30 ATR 脳情報通信総合研究所 DBI室 室長 川鍋 一晃
14:10-15:10 東京大学 大学院情報理工学系研究科 教授 原田 達也 先生
タイトル：機械学習による視覚情報理解
概要：限られたデータから予測モデルを構築することは機械学習における重要な課題の一つである．本講演では限られたデータから予測モデルを構築する手法として，教師なしのドメイン適合と，クラス間パターンを用いた学習手法を紹介する．教師なしドメイン適合では，discrepancyに着目した高精度な予測モデル構築法を中心に説明する．また，BC learningとは，新しい教師ありの学習手法であり，任意のクラス間のパターンをある割合で重ね合わせ，そのクラスの混合比率を予測することで学習させる手法である．BC学習は，実装が非常に簡便ながら音声認識や画像認識で，多くの深層ニューラルネットワークの性能を向上させることが可能である．さらに，我々の研究室で取り組んでいる2次元画像からの3次元構造の推定，webブラウザ上で動作する深層ニューラルネットワークフレームワークなどの様々な取り組みについても紹介する。
15:20-16:20 電気通信大学 大学院情報理工学研究科 教授 柳井 啓司 先生
タイトル：深層学習による画像認識・画像生成とその応用
概要：深層学習の登場によって画像認識の精度は飛躍的に向上し，実用化に向けた取り組みが多く行われるになってきている．また，近年は深層学習が認識のみならず，画像生成・変換についても有用な技術であり，従来のCG技術では困難な学習ベースの画像生成や複雑な画像変換が実現可能であることがわかってきた．本講演では，まず画像認識の研究例として領域分割問題について取り上げ，その応用例として食事画像に対する研究について紹介する．さらに，深層学習による画像生成および変換について，最新の研究動向とともに，フォント変換や食事画像変換などの取り組みについて紹介する．