画像認識技術を活用・展開するための
機械学習深層学習の活用で広がる画像認識の仕組み

画像物体認識の仕組,機械学習による画像認識手法の仕組み,
 画像認識技術を新製品・新機能へ展開する上での要件,信頼性の実現テクニック,
  アプリケーション展開のヒント,最近の研究動向等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

2019/11/14(木) 10:30 ~ 17:20

会場

連合会館 (東京・お茶の水)

会場案内
受講料 (消費税等込み)1名:49,500円 同一セミナー同一企業同時複数人数申込みの場合 1名:44,000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 2019/11/14(木) 10:30 ~ 17:20
会場

連合会館 (東京・お茶の水)

会場案内
受講料 (消費税等込み)1名:49,500円 同一セミナー同一企業同時複数人数申込みの場合 1名:44,000円
受講対象
 研究者、開発者
予備知識
 線形代数などどの数学の知識
習得知識
 機械学習のアルゴリズムと画像認識への適用方法
 1)画像物体認識の仕組み
 2)機械学習,ディープラーニングによる画像認識手法の仕組み
 3)画像認識技術を新製品や機能に展開する上での要件
 4)信頼性の実現テクニック,アプリケーション展開のヒント
講師の言葉
 本セミナーでは、車載システムやデジカメなどで使用されている「画像物体認識」のしくみを
紹介しながら、近年のアプローチである、機械学習による画像認識手法の仕組みと、画像認識技術を
新しい製品や機能へと展開する上で押さえておかなければならない要件や技術手法、信頼性の
実現テクニック、アプリケーション展開のためのヒントとなるキーポイントを示します。
 さらに、最新の研究動向として、第3次AIブームを牽引する深層学習による画像認識手法に
ついても紹介します。
 

プログラム

1. 画像認識とは
一般物体認識の定義と画像認識における各タスクについて解説します。
 1.1 一般物体認識
 1.2 物体検出
 1.3 画像分類
 1.4 シーンの理解
 1.5 特定物体認識

2. 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識別器について解説します。
 2.1 Haar-like特徴と顔検出
 2.2 AdaBoostのアルゴリズム

3. 多クラス識別器RandomForest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。
 3.1 RandomForest 
 3.2 RandomForestを用いた距離画像からの人体姿勢推定

4. DeepLearningによる画像認識
 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。また、End-to-end 学習などの 
 Deep Learning による最新動向と今後の課題についても紹介します。
 4.1 深層学習の現在
 4.2 畳み込みニューラルネットワーク 
 4.3 CNNによる画像認識
   4.3.1 一般物体認識(画像分類)
   4.3.2 物体検出
   4.3.3 セマンティックセグメンテーション 
  4.3.4 マルチタスク
 4.4 視覚的説明

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