• BPnet
  • ビジネス
  • IT
  • テクノロジー
  • 医療
  • 建設・不動産
  • TRENDY
  • WOMAN
  • ショッピング
  • 転職
  • ナショジオ
  • 日経電子版

HOMEセミナー/イベント/技術者塾 > 機械学習・深層学習を活用した画像認識技術の仕組みと最新動向

  • 技術者塾
  • 保存

機械学習・深層学習を活用した画像認識技術の仕組みと最新動向

〜クルマ、ロボット、ゲーム機器等で実利用されている画像認識技術と機械学習を詳解

日程:2018年1月16日 会場:BIZ新宿

主催:日経エレクトロニクス

イメージングデバイスの高性能・多機能化と、ヒトの動作・表情から得た情報を理解・認識する技術は、クルマ、ロボット、防犯システム、エンタテインメントの分野において上手く活用され、社会における新しい価値の実現基盤となっています。

技術者塾では、車載システムやデジカメなどで使用されている「物体認識」のしくみを紹介しながら、近年のアプローチである、機械学習による画像認識手法のしくみと、画像認識技術を新しい製品や機能へと展開する上で押さえておかなければならない要件や技術手法、信頼性の実現テクニック、アプリケーション展開のためのヒントとなるキーポイントを示します。さらに、最新の研究動向として、深層学習による画像認識手法についても紹介します。

受講効果

  • 機械学習の基礎がわかるようになります。
  • 画像認識の実現方法を習得できます。
  • 画像認識技術のしくみを知ることで、効率的なアプリケーション展開ができるようになります。

講師紹介

藤吉 弘亘 氏 (ふじよし ひろのぶ)

中部大学
工学部 ロボット理工学科
大学院 工学研究科 情報工学専攻
教授

藤吉 弘亘 氏

1997年 中部大学大学院博士後期課程修了。
1997~2000年 米国カーネギーメロン大学ロボット工学研究所 Postdoctoral Fellow。
2000年 中部大学講師、2004年 准教授。
2006年 米国カーネギーメロン大学ロボット工学研究所客員研究員。
2010年より現在に至る。博士(工学)。
計算機視覚、動画像処理、パターン認識・理解の研究に従事。情報処理学会、電子情報通信学会、IEEE各会員。2005 年度ロボカップ研究賞。平成21年度山下記念研究賞、平成21年度情報処理学会論文賞。

概要

日時: 2018年1月16日(火)10:00~17:00(開場09:30予定)
会場: BIZ新宿 (東京・西新宿)
主催: 日経エレクトロニクス

受講料(税込み)

  • 一般価格:49,800円
  • 会員・読者価格:43,200円
  • ※お得な複数名同時申込もできます。詳細は青いお申し込みボタンをクリック
■会員・読者価格
「会員・読者価格」は、日経テクノロジーオンライン有料会員(年払いのみ)、または、日経エレクトロニクス、日経ものづくり、日経Automotive定期購読者の方(日経テクノロジーオンライン有料会員とのセット購読の方を含む)が対象です。
■複数名同時申込価格
開催日の3日前(土日・祝日がある場合はその前日)に受付を終了させていただきます。
  • ※受講料には、昼食は含まれておりません。
  • ※満席になり次第、申込受付を締め切らせていただきますので、お早めにお申し込みください。

プログラム詳細

10:00 - 17:00

1.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。

 1.1 Haar-like特徴と顔検出
 1.2 AdaBoostのアルゴリズム
 1.3 HOG特徴と人検出(Histograms of Oriented Gradients)
 1.4 その他の画像局所特徴量

2.多クラス識別器Random Forestsによる画像認識

 Random Forests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始めています。Random Forests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、再指針動向として、Random Forestsの回帰への応用であるRegression Forestsも解説します。

 2.1 Random Forests
 2.2 Hough Forestsによる物体検出
 2.3 Random Forestsを用いた距離画像からの人体姿勢推定
 2.4 Regression Forestsによる回帰
 2.5 Density Forestsによる密度推定
 2.6 Semi-supervised Forestsによる半教師付き学習

3.深層学習(Deep Learning)による画像認識

最新の研究動向として、深層学習について概説し、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。

 3.1 深層学習の現在
 3.2 畳み込みニューラルネットワーク
 3.3 CNNによる画像認識
  3.3.1 一般物体認識(画像分類)
  3.3.2 物体検出
  3.3.2 セマンティクセグメンテーション

  • ※途中、昼休憩と午後の小休憩が入ります。
  • ※講演時刻等、随時更新いたします。また、プログラムは変更になる場合があります。あらかじめご了承願います。
■受講料のお支払い
≪1名でお申し込みの場合≫
お支払い方法が「請求書」の方には、後日、受講券・請求書を郵送いたします。
ご入金は銀行振込でお願いいたします。なお、振込手数料はお客様のご負担となりますので、あらかじめご了承ください。
クレジットカード支払いの方は、受講証はMyPageから印刷してご持参ください。
≪複数名同時申込の場合≫
お支払い方法が「請求書」の場合、お申込筆頭の方に、後日、筆頭の方の受講券と全員分の合算請求書を郵送いたします。
ご入金は銀行振込でお願いいたします。なお、振込手数料はお客様のご負担となりますので、あらかじめご了承ください。
クレジットカード支払いの場合、お申込筆頭の方はMyPageから受講証を印刷してご持参ください。
※支払方法にかかわらず、申込完了後にお申込筆頭者の方宛に、「登録完了メール」をお送りしますので、2人目以降の方はそちらを印刷してご持参ください。
 筆頭の方は、2人目以降の方に、「登録完了メール」の転送をお願いいたします。
■お申し込み後のキャンセルおよび欠席など
お申し込み後のキャンセル、ご送金後の返金はお受けいたしかねます。代理の方が出席くださいますようお願いいたします。
会場までの交通費や宿泊費は、受講される方のご負担となります。
講師等の急病、天災その他の不可抗力、その他やむを得ない事情により、中止する場合があります。この場合、受講料は返金いたします。
■最少開催人員
15名。参加申込人数が最少開催人員に達しない場合は、開催を中止させていただくことがあります。

おすすめ

あなたにおすすめ