A180625st
『光学的反射特性を利用した3次元形状復元とニューラルネットワークの画像認識への応用~点光源照明・透視投影での濃淡画像からの三次元情報復元技術~』 …【2名同時申込で1名無料】対象セミナー
 ☆3次元情報を取得する際、利用環境や技術などに制約があって困っているという時に試してみたい手法。
 ☆走査型電子顕微鏡(SEM)や内視鏡などに応用する手法についても紹介。

 開催日時  2018年6月25日(月) 10:30~16:30
会 場  東京・品川区大井町 きゅりあん4F 第2特別講習室
受講料  1名につき48,600円(本体45,000円+税3,600円)、資料・昼食付
  ※会員登録していただけた場合は、46,170円(本体42,750円+税34200円、資料・昼食付)といたします。
 【キャンペーン!2名同時申込みで1名分無料 (2名とも会員登録必須、1名あたり定価半額の24,300円)』
 ※2名様ともS&T会員登録をしていただいた場合に限ります。
 ※同一法人内(グループ会社でも可)による2名同時申込みのみ適用いたします。
 ※3名様以上のお申込みの場合、上記1名あたりの金額で追加受講できます。
 ※受講券、請求書は、代表者にご郵送いたします。
 ※請求書および領収書は1名様ごとに発行可能です。(申込みフォームの通信欄に「請求書1名ごと発行」と記入ください。)
 ※他の割引は併用できません。
 ※講義中の録音・撮影はご遠慮ください。
 ※講義中のパソコン使用はキーボードの打音などでご遠慮いただく場合がございます。

  ★会員登録とは :セミナー・書籍などの最新情報を主催者からE-MailやDMにてご案内いたします。会員の方は会員価格(定価の約5%割引)にてご利用いただけるなどの特典がございます。お申込み時に「会員登録希望」とお書き添え下さい。主催者より会員登録完了の連絡を差し上げます。(既に会員である方は自動的に会員価格となります)
  受講申込要領
主 催  サイエンス&テクノロジー株式会社 

 ※請求書、受講票等は、サイエンス&テクノロジーより送付いたします。

講師 中部大学 工学部 情報工学科 教授(工学博士)  岩堀祐之 氏
 【専門】 コンピュータビジョン・画像認識
  Univ. of British Columbia・IIT Guwahati・Chulalongkorn Univ. 共同研究者
得られる
知識
 画像の明るさから反射特性の関係を用いた形状復元手法ならびに形状復元や分類問題を例に、ニューラルネットワークをどのように構成するとどんなことができるかなど、いくつかの事例を交えて紹介する。
対象  明るさ解析に基づく形状復元手法ならびに分類問題について、基本的な原理ならびに応用を含めて紹介するが、光学的な問題を利用して3次元情報を得るための技術や利用環境に制約があり、一般的な方法を用いることが出来ない問題などを対象にした技術を扱う方に適した紹介である。予備知識はとくに必要ではないが、基本的な偏微分の知識やニューラルネットで学習してテスト物体に般化するという概念を用いた話を対象とする。
趣旨  本講演では光学的反射特性を利用した物体の3次元形状復元技術について紹介を行うとともに、応用として近年対象としてきた画像認識の問題についていくつか紹介する。
 濃淡画像から物体の3次元情報を復元するには画像の明るさから面の法線ベクトルを復元する方法があり、手掛かりとしては面の光学的反射特性が重要である。反射特性にはLambert反射をはじめ鏡面反射を伴う反射特性関数が様々提案されているが、複雑な反射特性をもつ物体の形状復元には一般に非線形最適化を行う必要がある。
 他方で近年人工知能技術としてニューラルネットワークが機械学習に応用されており、形状復元への応用にも、経験的照度差ステレオをはじめ、様々な問題への応用が可能である。照度差ステレオでは複数光源を利用して局所的に面の法線ベクトルを復元するが、単調に閉じた物体では1枚の画像でも形状を復元する手法もある。一般的な物体を対象としたこれらの形状復元手法のほか、走査型電子顕微鏡(SEM)や内視鏡などに応用する手法についても紹介する。また、機械学習を用いた画像認識問題への応用として、内視鏡ポリープの検出や分類問題、ならびに顕微鏡細胞画像の検出や分類問題を取り上げて実際の応用手法を紹介するものとする。近年のディープラーニングを利用した画像認識の諸問題についても併せて紹介する。
プログラム 1 Shape from Shadingによる形状復元手法
 1.1 画像の照明方程式
 1.2 Shape from Shading
 1.3 照度差ステレオ
 1.4 Fast Marching Method
2 経験的照度差ステレオ
 2.1 カラー反射率復元
 2.2 法線ベクトル復元
3 画像のLambert化
 3.1 鏡面反射候補の除去
 3.2 反射率の一様化
 3.3 応用事例
4 ニューラルネットワークの画像認識応用
 4.1 一般的画像
 4.2 走査型電子顕微鏡(SEM)画像
 4.3 内視鏡画像
 4.4 顕微鏡細胞画像
5 ディープラーニングの課題
  □質疑応答・名刺交換□