☆☆☆Web配信セミナー☆☆☆
『Pythonで始めるコンピュータビジョン（CV）技術の超入門』
～機械学習/最適化処理アルゴリズムの原理説明とプログラム例解説～
S200924AW
☆☆☆本セミナーは、Zoomを使用して、行います。☆☆☆
開催日：2020年9月24日（木）11:00-16:30
受講料：お1人様受講の場合 47,000円[税別]／1名
1口でお申込の場合 57,000円[税別]／1口（3名まで受講可能）
★本セミナーの受講にあたっての推奨環境は「Zoom」に依存しますので、ご自分の環境が対応しているか、
お申込み前にZoomのテストミーティング（http://zoom.us/test）にアクセスできることをご確認下さい。
★インターネット経由でのライブ中継ため、回線状態などにより、画像や音声が乱れる場合があります。
講義の中断、さらには、再接続後の再開もありますが、予めご了承ください。
★受講中の録音・撮影等は固くお断りいたします。
阿部淑人（あべよしと） 氏
新潟県工業技術総合研究所 研究開発センター センター長（博士（工学））
| ＜経歴＞ |
1988年、大日本印刷入社、外観検査装置等の開発に従事。
2003年、同退社、新潟県工業技術総合研究所入庁。
以来、電磁計測、色彩計測、信頼性評価等の技術支援業務および画像機器、電力制御機器、自動機器等の研究開発業務に従事。 |
|
視覚はヒトの感覚器官の中でも最も多くの情報を取得しているものであり、それをコンピュータに応用した画像認識技術の有用性はますます高まっています。
近年、日本においても普及が目覚ましい計算機言語のPythonを使って、楽に画像認識技術の習得ができるようなセミナーを企画しました。
Python自体の習得しやすさ、書きやすさはもちろんのことですが、豊富に存在するモジュール類の完成度が高く、実用的なことも速習に有利です。それらを使うことで驚異的に少ない量でプログラムを実装できます。画像認識技術の応用範囲は無限に広がっています。またAI技術の進展とともに音声や画像の自動認識技術の有効性が高まっている状況において認識技術への理解は必要不可欠です。機械学習や最適化を含めて処理アルゴリズムの原理の説明とプログラム例を並行して提示することで理解を深めます。
|
1 Pythonの導入
1.1 Python処理系の導入
1.2 変数の基本型とコンテナ型
1.3 式と文と演算子
1.4 制御構造と内包表記
1.5 関数とクラス，モジュール
1.6 画像の入出力と表示
1.7 便利な機能モジュール～PyTorch門前の手習い～
1.8 システム開発プロセス
2 CVの第一歩
2.1 コンピュータビジョンとは
2.2 画像とは
2.3 特徴量・統計量と行列演算
2.4 撮像
2.5 幾何変換と点群
2.6 視覚分解能と変復調
2.7 知的処理と最適化
2.8 機械学習のモデルと機能～PyTorch入門編～
＜プログラム例1＞機械学習で画像の認識：Kmeansと多層パーセプトロン
3 CVの第二歩
3.1 階調の補正
＜プログラム例2＞階調補正：ヒストグラム平坦化
3.2 リサンプリング
＜プログラム例3＞幾何補正：幾何変換でWarping
＜プログラム例4＞リサンプリング：Seam Carvingと間引きの差
3.3 両眼立体視と奥行き推定
＜プログラム例5＞モデルの推定：RANSACでパラメータ推定
3.4 画像の劣化と復元
＜プログラム例6＞ノイズ除去と平滑化：Non Local Meanフィルタリング
＜プログラム例7＞ぼけ、ブレの補正と鮮鋭化：ウィーナーフィルタリング
＜プログラム例8＞エッジ検出：Cannyのエッジディテクタ
＜プログラム例9＞インペインティング：Bi-harmonic法
3.5 多重解像度解析
＜プログラム例10＞フィルタバンクと分類：Gabor特徴による画像の分類
3.6 特徴記述子と画像認識
＜プログラム例11＞ハフ変換：円の検出
＜プログラム例12＞領域分割とラベリング：RAG統合法
＜プログラム例13＞マッチングと物体検出：テンプレートマッチング
＜プログラム例14＞特徴抽出：ORB特徴で対応付け
