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。機械学習や最適化についても理解が深まるようにしています。

1. CV (コンピュータビジョン) の概要～ML (機械学習) の初歩
   1. 人工知能とコンピュータビジョン
   2. 画像とは
   3. 幾何変換と撮像
   4. 両眼立体視と奥行き推定
   5. 3次元の形状復元
   6. 視覚分解能と変復調
   7. 階調の補正
   8. リサンプリング
   9. 画像の劣化と復元
   10. 多重解像度解析
   11. 画像特徴 統計量・不変量
   12. 特徴記述子と画像認識
   13. 知的処理と最適化
   14. 機械学習のモデルと機能
2. Pythonの導入
   1. Pythonのインストール
   2. 変数の基本型とコンテナ型
   3. 式と文と演算子
   4. 制御構造と内包表記
   5. 関数とクラス,モジュール
   6. 画像の入出力と表示
3. CVの楽々プログラミング
   1. 便利な機能モジュールの概要
   2. 階調補正:ヒストグラム平坦化
   3. 幾何補正:幾何変換でWarping
   4. リサンプリング:Seam Carvingと間引きの差
   5. ノイズ除去と平滑化:Non Local Meanフィルタリング
   6. ぼけ、ブレの補正と鮮鋭化:ウィーナーフィルタリング
   7. エッジ検出:Cannyのエッジディテクタ
   8. インペインティング:Bi – harmonic法
   9. ハフ変換:円の検出
   10. 領域分割とラベリング:RAG統合法
   11. マッチングと物体検出:テンプレートマッチング
   12. フィルタバンクと特徴分類:Gabor特徴による画像の分類
   13. 特徴抽出:ORB特徴で対応付け
   14. モデルの推定:RANSACでパラメータ推定
   15. 機械学習で画像の認識:クラスタリングとSVM