画像認識技術入門

～画像の撮影から機械学習技術、ディープラーニングの活用まで～

セミナー講師

笠原亮介（かさはらりょうすけ）　氏株式会社ブライトヴォックス　取締役CTO（博士（工学））

＜略歴＞　2004年　東北大学大学院　工学研究科　電気・通信工学専攻　博士課程前期修了　2004年　株式会社リコー入社　撮像システムと機械学習を用いた画像認識技術の研究開発等に従事　2019年　東北大学大学院　工学研究科　通信工学専攻　博士課程後期修了　2022年より、株式会社ブライトヴォックス　取締役CTO。

＜専門＞　画像処理、機械学習、画像認識、信号処理、FPGA設計

＜受賞＞　精密工学会主催　外観検査アルゴリズムコンテスト2014 優秀賞受賞　精密工学会主催　外観検査アルゴリズムコンテスト2015 優秀賞受賞　IPSJ Transactions on System LSI Design Methodology Best Paper Award受賞

セミナー受講料

お1人様受講の場合　53,900円[税込]／1名1口でお申込の場合　66,000円[税込]／1口（3名まで受講可能）

受講申込ページで2～3名を同時に申し込んだ場合、自動的に1口申し込みと致します。

セミナー趣旨

　近年、多彩なアプリケーションに必要な技術として実用化が進んでいる画像認識技術に関して、カメラによる画像の撮影から、機械学習技術やディープラーニングの活用まで基礎から説明致します。具体的には、光学系を用いた画像の撮影に関する技術から、画像認識技術の概要、一般的な画像認識処理フロー、評価方法、ディープラーニングの基礎、様々な画像認識アルゴリズム、また外観検査などへの応用に関して解説致します。画像認識技術について知りたい方に幅広くおすすめ致します。いくつか講座後出来る演習も準備致します。

セミナープログラム

1　画像認識技術の概要　1.1　画像認識技術の応用用途　1.2　画像認識のキー技術

2　画像の撮影　2.1　撮影画像　2.2　各種カメラとその特性　2.3　画像処理　2.4　光学系と画像処理の最適化設計　2.5　偏光情報の活用

3　機械学習の基礎と画像認識　3.1　機械学習とは　3.2　機械学習の考え方　3.3　一般的な画像認識AIの処理フロー　　3.3.1　学習サンプル　　3.3.2　特徴量の設計について　　3.3.3　機械学習の種類　　3.3.4　性能評価方法　3.4　機械学習による開発のポイント　　＊演習問題：少量サンプルテーブルデータの分類問題

4　ディープラーニングの基礎　4.1　応用用途と発展の歴史　4.2　基本形　4.3　学習方法　4.4　層構成　4.5　正則化　4.6　畳み込みニューラルネットワーク　4.7　実行コード解説　　4.7.1　テーブルデータ分類例　　4.7.2　CNNを用いた画像認識例　　4.7.3　ディープラーニングを用いた画像検査例　　＊演習問題：ディープラーニングを用いた分類問題

5　様々な画像認識アルゴリズム　5.1　画像認識処理の歴史　5.2　代表的な処理　5.3　少量学習データに対する対応～画像生成、転移学習、ドメイン適応～　　＊演習問題：CNNを用いた画像認識問題

6　画像認識技術のアプリケーション例　6.1　鋳造部品の欠陥検査アルゴリズム例　6.2　路面状態認識アルゴリズム例　6.3　転移学習を使った欠陥検査例

7　画像認識と機械学習技術の今後の動向　7.1　AIの急速な発展　7.2　AIの製造業への応用