MPRG Deep Learning Lecture Notebook

画像認識・深層学習を基礎から学ぶための Jupyter Notebook 集

---

概要

本リポジトリは，中部大学 MPRG (Machine Perception & Robotics Group) が公開している画像認識・深層学習を実践的に学ぶための Jupyter Notebook コレクションです．

各ノートブックは以下の2通りの方法で実行できます．

• Google Colaboratory で実行する：各ノートブックの Open in Colab バッジをクリックすると，ブラウザ上ですぐに実行できます．
• ローカル環境で実行する：Docker を用いた開発環境を用意しています．詳細は containers/README.md を参照してください．

免責事項

本リポジトリは，MPRGの教員および学生が有志で作成したものです．そのため，バグやミス，ライブラリ等のバージョンアップに伴う動作不具合などが含まれている場合があります．できるだけ修正対応するように努めていますが，修正等の対応が間に合わない場合があることをご了承ください．

旧MPRG Deep Learning Lecture Notebook（v1）から，情報の古くなったノートブックや未完成だったノートブックなどは削除しています．古いノートブックを参照したい場合は，release/v1.0ブランチを参照してください．

目次

• MPRG Deep Learning Lecture Notebook
  • 概要
  • 免責事項
  • 目次
  • Python チュートリアル
    • Google Colaboratory・Pythonの使い方
  • 初級編
    • 初級1：ゼロから理解するDeep Learning
    • 初級2：PyTorchで作るシンプルネットワーク
  • 中級編
    • 中級1：PyTorchで作るCNNモデル
      • 画像分類のネットワーク構造
      • 転移学習・ファインチューニング
      • 判断根拠の可視化（視覚的説明・Explainable AI）
      • 物体検出
      • セマンティックセグメンテーション
      • マルチタスク学習（修正予定）
      • モデルの効率化・知識の伝達（修正予定）
      • ラベルなしデータを活用した学習（修正予定）
    • 中級2：PyTorchで作る深層生成モデル
      • AutoencoderとVariational Autoencoder
      • Generative Adversarial Networks (GAN)
    • 中級3：PyTorchで作る再帰型ネットワーク
    • 中級4：PyTorchで作る強化学習
    • 中級5：PyTorchで作るグラフニューラルネットワーク
  • 上級編
    • 上級1：PyTorchで作るTransformerモデル
    • 上級2：PyTorchで作るVision Transformerモデル
    • 上級3：PyTorchで作る視覚言語モデル
    • 上級4：PyTorchで作る拡散モデル
  • その他
    • ハイパーパラメータの探索
    • 機械学習の基礎
    • プログラム練習帳

---

Python チュートリアル

Google Colaboratory・Pythonの使い方

ノートブックのプログラムを実行する際に使用するGoogle Colaboratoryや，Python, Numpy, PyTorchなどのプログラミングに関する基本的な使い方をまとめたノートブックです．

No.	ノートブック	Colab
1	Google Colaboratoryの動作確認
2	PythonプログミングとNumPy
3	PyTorchの基本操作
4	PyTorchにおけるCPUとGPU（CUDA）の使い方

初級編

初級1：ゼロから理解するDeep Learning

スクラッチで基本的なニューラルネットワークモデルや学習スクリプトを記述したノートブックです． PyTorchなどの深層学習フレームワークを使用せず，Numpyを使用して実装しています．

No.	ノートブック	Colab
1	最適化（GD, Momentum, AdaGrad, Adam)
2	単純パーセプトロンによるAND回路の作成
3	MLPによるXOR回路の作成
4	MLPによる2クラス分類
5	ミニバッチを用いたMLPの学習
6	MLPによる多クラス分類（MNIST）
7	正則化（Dropout）
8	Batch Normalizationの導入
9	im2colを用いた効率的な畳み込み処理
10	CNNによる画像認識（MNIST, Numpy実装）

初級2：PyTorchで作るシンプルネットワーク

PyTorchを使用して基本的な多層パーセプトロンや畳み込みニューラルネットワークなどのモデル構築・学習を記述したノートブックです． また，モデルの学習に関連するデータ拡張やPyTorchのクラスなども実装しています．

No.	ノートブック	Colab
1	MLPによる画像認識（MNIST, PyTorch実装）
2	CNNによる画像認識（MNIST, PyTorch実装）
3	CNNによる画像認識（CIFAR10, PyTorch実装）
4	既存のデータセットの活用
5	データ拡張（Data Augmentation）
6	データセットクラスの自作（Custom Dataset）
7	nn.Sequential・nn.ModuleListと動的なネットワーク構築
8	モデルの保存と読み込み
9	Optimizerの比較とSchedulerによる学習率の調整
10	再現性の確保
11	DataLoaderのチューニング
12	混合精度学習（AMP）

中級編

中級1：PyTorchで作るCNNモデル

CNNをベースとした様々なネットワーク構造・学習法を扱ったノートブック群です．画像分類・可視化・物体検出・セグメンテーション・マルチタスク学習・モデルの効率化・半教師あり/自己教師あり学習・転移学習といったテーマ別に分類しています．

画像分類のネットワーク構造

CIFAR100を用いて，代表的な画像分類モデルをスクラッチ実装したノートブック群です．基本的な分類モデル，軽量なモデル，自動探索（NAS）に基づくモデルの順に構成しています．

No.	ノートブック	Colab
1	AlexNet
2	VGG
3	GoogLeNet
4	ResNet
5	WideResNet
6	ResNeXt
7	DenseNet
8	SENet
9	MobileNet V1
10	MobileNet V2
11	MobileNet V3
12	SqueezeNet
13	EfficientNet
14	EfficientNetV2
15	MnasNet
16	RegNet

転移学習・ファインチューニング

torchvisionとTIMM (PyTorch Image Models) モジュールに実装されている代表的なネットワークモデルとその事前学習モデルの呼び出し方，またそれらを用いた転移学習やファインチューニングの方法についてまとめています．

No.	ノートブック	Colab
1	torchvisionによるモデル呼び出しと事前学習モデルの利用
2	timmによるモデル呼び出しと事前学習モデルの利用
3	事前学習モデルを用いた転移学習・ファインチューニング

判断根拠の可視化（視覚的説明・Explainable AI）

画像分類モデルが予測した結果に対する判断根拠をアテンションマップ（Attention map, Saliency map, Attribution map）として可視化する手法についてまとめています．

No.	ノートブック	Colab
1	CAM（Class Activation Mapping）
2	pytorch-grad-camによる各種可視化手法（GradCAM, ScoreCAM, EigenCAMなど）
3	Attention Branch Network（ABN）

物体検出

PASCAL VOC 2007を用いて，two-stage・one-stage・anchor-free・keypointベースなど，代表的な物体検出モデルをスクラッチ実装したノートブック群です．

No.	ノートブック	Colab
1	SSD
2	Faster R-CNN
3	FPN（Feature Pyramid Network）
4	RetinaNet（Focal Loss）
5	CornerNet
6	CenterNet
7	EfficientDet
8	FCOS（Anchor-Free）
9	YOLOv1
10	YOLOv3

セマンティックセグメンテーション

PASCAL VOC 2007を用いて，encoder-decoder型やAtrous Convolutionを用いた手法など，代表的なセマンティックセグメンテーションモデルをスクラッチ実装したノートブック群です．

No.	ノートブック	Colab
1	FCN（Fully Convolutional Network）
2	SegNet
3	U-Net
4	U-Net++
5	PSPNet
6	RefineNet
7	DeepLab v1
8	DeepLab v3
9	DeepLab v3+
10	HRNet

マルチタスク学習（修正予定）

No.	ノートブック	Colab
1	マルチタスク基礎（分類＋回帰）
2	マルチタスク応用（検出＋セグメンテーション）

モデルの効率化・知識の伝達（修正予定）

No.	ノートブック	Colab
1	Knowledge Distillation
2	Deep Mutual Learning
3	枝刈り

ラベルなしデータを活用した学習（修正予定）

No.	ノートブック	Colab
1	半教師付き学習
2	自己教師付き学習

中級2：PyTorchで作る深層生成モデル

AutoencoderとVariational Autoencoder

AutoencoderとVariational Autoencoder，それらを活用した応用例や発展手法についてまとめています．

No.	ノートブック	Colab
1	Auto Encoder（AE）による画像の再構成
2	Denoising Autoencoder（DAE）によるノイズ除去
3	Variational Autoencoder (VAE)
4	β-VAE
5	繰り返し処理による異常検知
6	Vector Quantized VAE (VQ-VAE)
7	Stochastic Quantization VAE (SQ-VAE)

Generative Adversarial Networks (GAN)

敵対的生成ネットワーク (GAN) とその発展手法についてまとめています．

No.	ノートブック	Colab
1	Generative Adversarial Networks (GAN)
2	Deep Convolutional GAN (DC-GAN)
3	Wasserstein GAN with Gradient Penalty (WGAN-GP)
4	Conditional GAN
5	Conditional DC-GAN
6	pix2pix
7	CycleGAN
8	Progressive Growing GAN (PGGAN)
9	BigGAN
10	StyleGAN

中級3：PyTorchで作る再帰型ネットワーク

No.	ノートブック	Colab
1	Recurrent Neural Networkによる電力予測
2	Recurrent Neural NetworkによるBitcoinの価格予測
3	Encoder-Decoderによる計算機作成
4	Attention Seq2seqによる計算機作成
5	Attention Seq2seqによる日付変換
6	Convolutional LSTMを用いた動画像予測

中級4：PyTorchで作る強化学習

No.	ノートブック	Colab
1	強化学習（Q学習とQ-Network）によるCart Pole制御
2	Deep Q-Network（DQN）
3	Policy Gradient（REINFORCE）
4	Actor-Critic
5	Mask-Attention Actor-Critic
6	DQNの応用例（波形フィッティング）

中級5：PyTorchで作るグラフニューラルネットワーク

No.	ノートブック	Colab
1	グラフ表現
2	GCNによるノード分類
3	ST-GCNによる動作認識
4	STA-GCNによる動作認識
5	グラフ生成

上級編

上級1：PyTorchで作るTransformerモデル

No.	ノートブック	Colab
1	Transformerによる計算機作成
2	BERTによるテキスト分類 (Banking77)

上級2：PyTorchで作るVision Transformerモデル

No.	ノートブック	Colab
1	ViTの教師あり学習（フルスクラッチ・fine-tuning）
2	Masked Autoencoders (MAE)

上級3：PyTorchで作る視覚言語モデル

No.	ノートブック	Colab
1	CLIPによる画像のゼロショットクラス分類
2	CLIPと言語モデルを組み合わせたMLLM

上級4：PyTorchで作る拡散モデル

No.	ノートブック	Colab
1	Denoising Diffusion Probabilistic Model (DDPM)
2	Diffusion Model（Cosineスケジュール・FID評価）
3	Latent Diffusion Model (LDM)

その他

ハイパーパラメータの探索

ネットワークの学習に用いるハイパーパラメータの探索方法についてまとめたノートブックです．

No.	ノートブック	Colab
1	ハイパーパラメータの探索と検証データ
2	Optunaによるハイパーパラメータ探索

機械学習の基礎

深層学習以前の機械学習手法について使い方をまとめたノートブックです． 主にscikit-learnを使用して実装しています．

No.	ノートブック	Colab
1	グラフを描画する
2	ユークリッド距離を用いたクラス識別
3	マハラノビス距離を用いたクラス識別
4	k最近傍法による教師あり学習
5	線形SVMによる教師あり学習
6	非線形SVMによる教師あり学習
7	AdaBoostによる教師あり学習
8	RandomForestによる教師あり学習
9	マテリアルズインフォマティクス

プログラム練習帳

No.	ノートブック	Colab
1	プログラム練習帳：画像認識
2	プログラム練習帳：CSVファイル

---

© 2026 Machine Perception and Robotics Group, Chubu University. All rights reserved.