内容紹介：ＶｉｔとＤＥＴＲを使用して画像認識や物体検出のプログラミングを行う解説書です。
脱ＣＮＮ「Ｖｉｓｉｏｎ　Ｔｒａｎｓｆｏｒｍｅｒ」と革新的物体認識モデル群の理論的背景からＰｙｔｈｏｎによる実装までを詳細に解説！本書の中心となるテーマは、画像認識における画像分類です。画像分類は「画像がどのカテゴリに属するか」を判定するタスクであり、画像認識の中でも特に重要な役割を果たしています。自動運転、医療診断、監視システム、エンターテインメントに至るまで、画像分類技術の応用範囲は広大です。本書を通して画像分類モデルを活用した最先端の技術をお届けします。また本書では、すぐに実装していただけるよう、ＰｙＴｏｒｃｈやＫｅｒａｓを用いたプログラミングについても解説。ＶｉＴやＳｗｉｎ　Ｔｒａｎｓｆｏｒｍｅｒについては、ＰｙＴｏｒｃｈとＫｅｒａｓ両者の実装コードを掲載しました。
もくじ情報：１章　開発環境について；２章　Ｖｉｓｉｏｎ　Ｔｒａｎｓｆｏｒｍｅｒによる画像分類モデルの実装（ＰｙＴｏｒｃｈ編）；３章　Ｖｉｓｉｏｎ　Ｔｒａｎｓｆｏｒｍｅｒの性能を引き上げる；４章　Ｖｉｓｉｏｎ　Ｔｒａｎｓｆｏｒｍｅｒによる画像分類モデルの実装（Ｋｅｒａｓ編）；５章　Ｓｗｉｎ　Ｔｒａｎｓｆｏｒｍｅｒを用いた画像分類モデルの実装（ＰｙＴｏｒｃｈ編）；６章　Ｓｗｉｎ　Ｔｒａｎｓｆｏｒｍｅｒを用いた画像分類モデルの実装（Ｋｅｒａｓ編）；７章　Ｔ２Ｔ‐ＶｉＴを用いた画像分類モデルの実装（ＰｙＴｏｒｃｈ）；８章　ＣｏＡｔＮｅｔを用いた画像分類モデルの実装（ＰｙＴｏｒｃｈ）；９章　ＢｏＴＮｅｔを用いた画像分類モデルの実装（ＰｙＴｏｒｃｈ）；１０章　ＥｄｇｅＮｅＸｔを用いた画像分類モデルの実装（ＰｙＴｏｒｃｈ）；１１章　ＣｏｎｖＭｉｘｅｒを用いた画像分類モデルの実装（Ｋｅｒａｓ）；１２章　ＧＣＶｉＴを用いた画像分類モデルの実装（Ｋｅｒａｓ）；１３章　ＣｏｎｖＮｅＸｔを用いた画像分類モデルの実装（ＰｙＴｏｒｃｈ）；１４章　ＭＶｉＴを用いた画像分類モデルの実装（ＰｙＴｏｒｃｈ）