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
開催日
-
2018年2月23日(金) 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
- 物体検出システムの構築
プログラム
- 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。
- Haar-like特徴と顔検出
- AdaBoostのアルゴリズム
- HOG特徴と人検出 (Histograms of Oriented Gradients)
- その他の画像局所特徴量
- 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。
- Random Forest
- Hough Forestによる物体検出
- Random Forestを用いた距離画像からの人体姿勢推定
- Regression Forestによる回帰
- Density Forestによる密度推定
- Semi-supervised Forestによる半教師付き学習
- 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。
- Deep Learningとは
- 畳み込みニューラルネットワーク (CNN)
- CNNによる画像認識応用
講師
藤吉 弘亘 氏
中部大学
工学部
ロボット理工学科
教授
主催
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
(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)