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
ウェーブレット変換 + デジタル信号処理 + フーリエ変換 + 信号処理 + 独立成分分析 (ICA / Independent Component Analysis)のセミナー・研修・出版物
画像認識のためのパターン識別と機械学習入門
2015年3月6日(金) 10時30分
～
16時30分
東京都 開催
会場 開催
本セミナーでは、パターン識別・機械学習手法について、基礎から解説いたします。
また、特徴からカテゴリへ識別する手法について解説いたします。
ナイトビジョン (Night vision) 市場・業界・技術の最新動向
2015年3月5日(木) 13時30分
～
16時30分
東京都 開催
会場 開催
本セミナーでは、遠赤外線カメラをナイトビジョンカメラとして使用する場合のポイントについて解説いたします。また、人検知画像処理とレンズの焦点距離による人検出能力についても解説いたします。
パターン認識・検索技術の基礎と応用 / 映像・画像の認識や高速探索法
2015年3月3日(火) 10時00分
～
17時00分
東京都 開催
会場 開催
本セミナーでは、画像認識・パターン認識の基礎から解説し、画像・映像の高速検索、応用として車載カメラでの認識について詳解いたします。
ライトフィールド技術の基礎と応用
2015年2月23日(月) 10時30分
～
16時30分
東京都 開催
会場 開催
セミナーでは、ライトフィールドの歴史的背景から始まり、理論的基礎や、その特性、実際の処理方法や最近の研究動向、応用例について解説いたします。
ディープラーニング (Deep Learning) とロボットの行動学習
2015年2月19日(木) 10時30分
～
16時00分
東京都 開催
会場 開催
本セミナーでは、現在、画像・音声の研究領域で大きな関心を集めている「ディープラーニング」について基礎から解説し、ロボットの環境認識と行動学習への応用事例を具体的に紹介いたします。
線形カルマンフィルタから非線形カルマンフィルタへ
2015年2月17日(火) 10時00分
～
17時00分
東京都 開催
会場 開催
本セミナーでは、線形カルマンフィルタ、非線形カルマンフィルタについて解説し、カルマンフィルタの応用、カルマンフィルタを利用する際のポイントについて詳解いたします。
アナログ&ディジタルによるフィルタ技術、FFT (高速フーリエ変換器) の技術的に正しい使いこなし方法と最近よく活用されている時間と周波数の双方を変数とするウェーブレット解析 (入門～実務へ)
2015年2月17日(火) 10時00分
～
17時00分
東京都 開催
会場 開催
各種カメラによる3次元画像センシング技術の基礎と車載/セキュリティへの応用
2015年2月9日(月) 13時30分
～
16時30分
東京都 開催
会場 開催
本セミナーでは、単眼カメラ、ステレオカメラで3次元計測や物体の検知・識別を行う技術を述べ、自動車の予防安全向け外界センシングや、セキュリティシステムへの適用例を紹介いたします。
FIR/IIRディジタルフィルタ設計の詳細解説
2015年2月5日(木) 10時30分
～
16時30分
東京都 開催
会場 開催
本セミナーでは、代表的なフィルタ設計法を基礎から解説し、MATLABを利用し、実際にアルゴリズムを提示、実行し、結果を確認しながら解説いたします。
また、現場で利用するフィルタ選択のノウハウ、有限語長などのフィルタリングでの諸問題の解決方法、最近の研究動向について解説いたします。
スポーツ映像における動画像認識/解析/処理技術の現状と今後の展開
2015年1月27日(火) 10時00分
～
17時00分
東京都 開催
会場 開催
本セミナーではスポーツ映像解析の基礎となる動画像処理技術と解説し、実例を紹介いたします。
入門 分光画像の計測と利用
2014年12月12日(金) 13時00分
～
17時00分
東京都 開催
会場 開催
本セミナーでは、分光画像の基礎から解説し、測光、分光映像法、分析、応用について詳解いたします。
センサフュージョンのための状態推定アルゴリズム解説と自動車の自動運転への展開
2014年12月8日(月) 10時30分
～
16時30分
東京都 開催
会場 開催
本セミナーでは、カルマンフィルタを主に、状態推定アルゴリズムを解説し、自動車の自動運転への今後の展開を考えます。
画像局所特徴量と統計的学習手法による物体認識
2014年12月3日(水) 10時00分
～
17時00分
東京都 開催
会場 開催
本セミナーでは、画像局所特徴量 ( SIFT , HOG )と統計的学習手法(AdaBoost)・アサンブル学習法(Random Forests)の組み合わせによる物体認識について、基礎からわかりやすく解説いたします。
