実習・既存PCによるディープ・ラーニングの実装と高速化テクニック

実習・既存PCによるディープ・ラーニングの実装と高速化テクニック
―― Freeツール,インテルOpenVINOのインストールから実例による最適化テクニックまで

   

【開催日】2019年3月1日(金) 10:00-17:00 1日コース
【セミナNo.】ES18-0175  【受講料】27,000円(税込)
【会場】東京・巣鴨 CQ出版社2Fセミナ・ルーム [地図]
セミナ会場

 ディープ・ラーニングで画像認識を実現しようとすると,高価なGPUやFPGAによるアクセラレータが必要な場合が多い.一方,インテルCPUはSkylake以降,CPUにGPUが内蔵されているがほとんどがグラフィックス処理にしか使用されていない.
 インテル社はこれらの自社のCPU,GPUアーキテクチャを有効に活用すべく,ディープ・ラーニングなどのAI推論に特化した無償のOpenVINOを発表した.
 本セミナではこのOpenVINOを使用し,数倍以上の推論の高速化とその学習方法や連携も含めたテクニックを実例を交えて具体的に解説する.

1.OpenVINOとは
 1.1 機能概要
 1.2 ツール・フローと構成
 1.3 サポート環境
 1.4 学習済みモデルその他
2.OpenVINOインストール
 2.1 事前準備
 2.2 ダウンロード方法
 2.3 インストール手順
 2.4 環境設定
 2.5 動作確認
3.学習環境のインストール
 3.1 学習環境の構築概要
 3.2 物体検出
  3.2.1 yolo3環境のインストール
  3.2.2 動作確認
 3.3.セマンティック・セグメンテーション
  3.3.1 enet環境のインストール
  3.3.2 動作確認
4.実例による推論最適化
 4.1 ドライブ・レコーダによるトラッキング
 4.2 リアルタイム顔認識
 4.3 市街地セマンティック・セグメンテーション
5.実例による学習方法とOpenVINOとの連携
 5.1 学習方法と連携の概要
 5.2 物体認識の実際学習と連携
 5.3 顔認識の実際学習と連携
 5.4 セマンティック・セグメンテーションの実際学習と連携
6.質疑応答

●対象聴講者
・Pythonをある程度理解している方
・機械学習およびディープ・ラーニングについておおまかな知識がある方
・画像処理についておおまかの知識ある方

●講演の目標
・PC上で画像認識の高速化の最適化方法を習得
・学習方法のポイントの習得
・学習結果とOpenVINOとの接続方法の習得

※参考URL
-- https://www.intel.co.jp/content/www/jp/ja/internet-of-things/solution-briefs/openvino-toolkit-product-brief.html


【受講者が持参するもの】
不要

【講師】
嶋崎 等 氏〔(株)礎デザインオートメーション 代表取締役社長〕
 FPGA,ASICなどのLSIの開発および設計ツールの開発など20年以上従事.特にC言語で書かれたプログラムをハードウェア化する開発に長く携わってきた.2012年あたりからディープ・ラーニングなどによる画像,医療,手書き文字認識,その他機械学習よる様々なデータ分析の開発を手掛けいている.


このセミナの参加募集について

 募集は終了いたしました 


類似するセミナをお探しの場合
以下にある「このセミナのタグ情報」の中から,ご希望のタグをお選び下さい. お選びいただいたセミナと同じタグ情報を持つセミナを一覧表示します.

このセミナのタグ情報
各タグをクリックすると,類似するセミナの一覧を表示します.

コース

 1日コース

カテゴリ

 回路・電子部品

シリーズ

 

特徴

 演習あり
 講師実演
 実習

キーワード

 インターフェース
 コンピュータ
 ソフトウェア
 開発環境
 開発手法
 技術教育
 研究開発

セミナ事務局からのお知らせ

・受講料割引券として使えるメンバーズ・カードの利用規約が変わりました.