Zoomを使ったライブ配信セミナー
機械学習・深層学習による画像認識の仕組み
～機械学習アルゴリズムとその判断根拠の可視化と活用事例～
オンライン 開催
開催日
-
2020年9月30日(水) 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
- 機械学習による画像認識
- 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識別器について解説します。また、多クラス識別器である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。
- Haar-like特徴と顔検出
- AdaBoostのアルゴリズム
- Random Forest
- Random Forestを用いた距離画像からの人体姿勢推定
- Deep Learningによる画像認識
- 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。また、End-to-end学習などのDeep Learningによる最新動向と今後の課題についても紹介します。
- 深層学習の現在
- 畳み込みニューラルネットワーク
- CNNによる画像認識
- 一般物体認識 (画像分類)
- 物体検出
- セマンティックセグメンテーション
- マルチタスク
- Explainable AI
- AIによる判断の根拠を説明するXAI (XAI: eXplainable AI) が注目されています。 深層学習がどのように認識しているかその判断根拠の可視化方法とその活用事例について紹介します。
- 従来の機械学習における判断根拠の解析
- 深層学習における判断根拠の解析
- アテンションマップによる視覚的説明
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) / 51,700円 (税込)
1口
:
59,000円 (税別) / 64,900円 (税込)
(3名まで受講可)