技術セミナー・研修・出版・書籍・通信教育・eラーニング・講師派遣の テックセミナー ジェーピー

機械学習による画像物体認識の仕組みと最新動向

機械学習による画像物体認識の仕組みと最新動向

～AdaBoost, Random Forest, Deep Learning等の機械学習アルゴリズムと画像認識への応用について解説～
東京都 開催 会場 開催
関連するセミナー・出版物
本セミナーは終了いたしました。
セミナーの再開催を依頼する 関連するセミナー・出版物を探す

開催日

  • 2017年8月28日(月) 10時00分 ～ 17時00分

受講対象者

  • 画像処理・物体認識に関連する技術者
    • デジタルカメラ、デジタルビデオカメラ
    • 印刷、カラーコピー機
    • テレビ・ディスプレイ
    • レーザ計測、位置決め
    • 医用画像処理、医療機器制御
    • 衛星画像処理
    • 超解像技術
    • ロボットのカメラ、制御
    • 外観検査装置
    • 非破壊検査装置
    • 車載カメラ
    • 防犯カメラ など

修得知識

  • 画像局所特徴量の基礎
    • SIFT
    • PCA-SIFT
    • GLOH
    • SURF
    • Randomized Trees
    • HOG
    • Haar-like
  • 統計的学習手法の基礎
    • AdaBoost
    • Real AdaBoost
  • 物体検出システムの構築

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. Haar-like特徴と顔検出
      2. AdaBoostのアルゴリズム
      3. HOG特徴と人検出 (Histograms of Oriented Gradients)
      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。
      1. Random Forest
      2. Hough Forestによる物体検出
      3. Random Forestを用いた距離画像からの人体姿勢推定
      4. Regression Forestによる回帰
      5. Density Forestによる密度推定
      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。
      1. Deep Learningとは
      2. 畳み込みニューラルネットワーク (CNN)
      3. CNNによる画像認識応用
ページのトップヘ

講師

  • 藤吉 弘亘 氏
    中部大学 工学部 ロボット理工学科
    教授
ページのトップヘ

会場

ちよだプラットフォームスクウェア
東京都 千代田区 神田錦町3-21
ちよだプラットフォームスクウェアの地図
ページのトップヘ

主催

株式会社 トリケップス
お支払い方法、キャンセルの可否は、必ずお申し込み前にご確認をお願いいたします。

お問い合わせ

本セミナーに関するお問い合わせは tech-seminar.jpのお問い合わせからお願いいたします。
(主催者への直接のお問い合わせはご遠慮くださいませ。)

受講料

1名様
: 47,000円 (税別) / 50,760円 (税込)
1口
: 59,000円 (税別) / 63,720円 (税込) (3名まで受講可)
本セミナーは終了いたしました。
セミナーの再開催を依頼する
ページのトップヘ

これから開催される関連セミナー

開始日時 会場 開催方法
2025/3/28 少数データ、データ不足における機械学習適用の問題解決方法とその戦略 オンライン
2025/4/2 ベイズ推定の基礎およびPythonを用いたデータ解析 オンライン
2025/4/4 AI関連発明の出願戦略のポイントと生成AIを巡る知財制度上の留意点 オンライン
2025/4/8 機械学習を用いたスペクトルデータ解析と材料開発への適用 オンライン
2025/4/9 マテリアルズインフォマティクス (MI) の最新動向と小規模データ駆動型MIの展開 オンライン
2025/4/10 Vision Transformerの仕組みとBEV Perception オンライン
2025/4/11 AI関連発明の出願戦略のポイントと生成AIを巡る知財制度上の留意点 オンライン
2025/4/11 マテリアルズインフォマティクスの基礎と高分子材料設計における応用事例 オンライン
2025/4/15 自動運転・運転支援に向けた各種センサーを用いた周辺環境認識技術 オンライン
2025/4/16 異常検知・学習データ作成のための生成AI活用 オンライン
2025/4/16 Pythonによる機械学習の基礎と実践 オンライン
2025/4/16 機械学習を用いたスペクトルデータ解析と材料開発への適用 オンライン
2025/4/17 画像認識のためのディープラーニングとモデルの軽量化 オンライン
2025/4/17 スパース推定の基礎、本質の把握・理解と実装応用技術への展開 オンライン
2025/4/21 CMOSイメージセンサーの基礎とイメージング技術の最新動向 オンライン
2025/4/22 マテリアルズインフォマティクスの高分子材料開発への応用 オンライン
2025/4/22 未知の異常も検知する人工知能MTシステム (MT法) 基礎と応用入門 オンライン
2025/4/23 ベイズ推定を用いたデータ解析 オンライン
2025/4/25 機械学習のための効率的なデータ取得法と解釈・評価方法 オンライン
2025/4/25 マテリアルズインフォマティクスの基礎と高分子材料設計における応用事例 オンライン
ページのトップヘ