画像認識技術向上のための 機械学習(深層学習)による画像認識技術の仕組みと最新動向

案内
パンフレット
PDF印刷

機械学習と深層学習による画像認識技術の基礎と最新動向、
および生成モデル、一貫学習、強化学習と今後の課題について解説する特別セミナー!!

講師 中部大学 工学部 ロボット理工学科 教授 博士(工学)  藤吉 弘亘 先生
日時

2018/2/26(月) 10:30 ~ 17:00

会場

連合会館 (東京・お茶の水)

会場案内
受講料 1名:48,600円 同時複数人数申込みの場合 1名:43,200円
講師 中部大学 工学部 ロボット理工学科 教授 博士(工学)  藤吉 弘亘 先生
日時 2018/2/26(月) 10:30 ~ 17:00
会場

連合会館 (東京・お茶の水)

会場案内
受講料 1名:48,600円 同時複数人数申込みの場合 1名:43,200円

予備知識

 画像処理、数学

習得知識

 機械学習と画像認識における基礎知識

講師の言葉

 今回のセミナーでは、従来の機械学習と深層学習による画像認識技術の基礎を詳しく解説した上、最新動向を紹介します。
 また、認識だけでなく、生成モデル、一貫学習、強化学習などの新しい展開についても紹介し、今後の課題について紹介します。

プログラム


1 局所特徴量と機械学習(2クラス識別器)による画像認識
物体検出は、局所特徴量と統計的学習手法の組み合わせにより実現されています。顔検出として、
Haar-like特徴とAdaBoost識別器を解説した後、人検出で用いられるHOG特徴量等について解説します。
 1.1 Haar-like特徴と顔検出
 1.2 AdaBoostのアルゴリズム
 1.3 HOG特徴と人検出(Histograms of Oriented Gradients)
 1.4 その他の画像局所特徴量

2 多クラス識別器Random Forestによる画像認識
Random Forestは、バギングや特徴選択等のランダム性を取り入れながら、決定木をアンサンブルに
構築するアプローチで、多くのアプリケーションで利用されています。Random Forestのアルゴリズムと
その応用例として、Kinectの人体姿勢推定手法について解説します。また、Random Forestの回帰への
応用であるRegression Forestや、半教師付学習等についても解説します。
 2.1 Random Forest
 2.2 Hough Forestによる物体検出
 2.3 Random Forestを用いた距離画像からの人体姿勢推定
 2.4 Regression Forestによる回帰
 2.5 Density Forestによる密度推定
 2.6 Semi-supervised Forestによる半教師付き学習

3 画像認識の最新動向
機械学習における最新の研究動向として、Deep Learningについて概説し、畳み込みニューラルネットワークの
しくみと画像認識への適用について解説します。
 3.1 Deep Learningとは
 3.2 畳み込みニューラルネットワーク(CNN)
 3.3  CNNによる画像認識応用

講師紹介

1997年 中部大学大学院博士後期課程修了, 
1997年 米カーネギーメロン大学ロボット工学研究所Postdoctoral Fellow, 
2000年 中部大学工学部情報工学科講師, 2004年 中部大学准教授, 
2005年 米カーネギーメロン大学ロボット工学研究所客員研究員(~2006年), 
2010年 中部大学教授, 
2014年名古屋大学客員教授.

計算機視覚,動画像処理,パターン認識・理解の研究に従事.
ロボカップ研究賞(2005年),情報処理学会論文誌CVIM優秀論文賞(2009年),情報処理学会山下記念研究賞(2009年),
画像センシングシンポジウム優秀学術賞(2010, 2013, 2014年) ,
電子情報通信学会 情報・システムソサイエティ論文賞(2013年)他