最近の画像認識では、Deep learningやSVM等の機械学習法を利用することが主流になっている。初学者には各手法の詳細と性質を理解することが簡単ではない。そこで、本セミナーでは理論の説明と応用例をあわせて紹介することにより、各手法の性質をつかみやすくする。

1. SVM (サポートベクターマシン)
   1. 線形サポートベクターマシン
   2. 非線形サポートベクターマシン
   3. カーネル関数の統合
      • アスベスト検出への応用
   4. One-classサポートベクターマシン
      • 粒子検出への応用
   5. サポートベクター回帰
      • 文脈情報抽出への応用
      • メラノソーム追跡への応用
   6. Latentサポートベクターマシン
      • カテゴリ識別への応用
   7. Exemplarサポートベクターマシンとその応用
      • カテゴリ識別への応用
2. Deep learning
   1. 従来のニューラルネットワーク
      • 単層パーセプトロン
      • 多層パーセプトロン
      • 誤差逆伝播法
   2. Deep learning
      • CNN
      • 活性化関数
      • dropout
      • batch normalization
      • CNNの解析
      • DCGAN、pix2pix
   3. Deep learningの応用
      • 細胞内画像への応用
      • セグメンテーションへの応用
      • カテゴリ識別への応用
      • 対象計数への応用
3. その他の機械学習法
   1. Partial Least Squares
      • 粒子計数への応用
      • 階層的PLSNet
   2. カーネル多変量解析
      • 顔認識への応用