機械学習を用いた画像認識技術の基礎とその応用

☆機械学習ベースの画像認識技術に興味がある方におすすめ！☆いくつか講座後出来る演習も準備しております！※オンライン会議アプリZoomを使ったWEBセミナーです。ご自宅や職場のノートPCで受講できます。 

セミナー講師

（株）ブライトヴォックス 取締役CTO 博士(工学) 笠原 亮介 氏【ご専門】画像処理、機械学習、画像認識、信号処理、FPGA【ご経歴】　2004年　東北大学大学院工学研究科電気・通信工学専攻修士課程修了　2004年　（株）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修了・博士（工学）　2022年より（株）ブライトヴォックス取締役CTO　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

57,200円（税込、資料付）■ セミナー主催者からの会員登録をしていただいた場合、1名で申込の場合51,700円、　 2名同時申込の場合計57,200円（2人目無料：1名あたり28,600円）で受講できます。（セミナーのお申し込みと同時に会員登録をさせていただきますので、　  今回の受講料から会員価格を適用いたします。）※ 会員登録とは　 ご登録いただきますと、セミナーや書籍などの商品をご案内させていただきます。　 すべて無料で年会費・更新料・登録費は一切かかりません。　 メールまたは郵送でのご案内となります。　 郵送での案内をご希望の方は、備考欄に【郵送案内希望】とご記入ください。

受講について

Zoomを使ったWEB配信セミナー受講の手順

1. Zoomを使用されたことがない方は、こちらからミーティング用Zoomクライアントをダウンロードしてください。ダウンロードできない方はブラウザ版でも受講可能です。
2. セミナー前日までに必ず動作確認をお願いします。
3. 開催日直前にWEBセミナーへの招待メールをお送りいたします。当日のセミナー開始10分前までに招待メールに記載されている視聴用URLよりWEB配信セミナーにご参加ください。

• セミナー資料は開催前日までにPDFにてお送りいたします。
• サブテキストは郵送いたします。ご自宅への送付を希望の方はコメント欄にご住所などをご記入ください。開催まで4営業日～前日にお申込みの場合、セミナー資料の到着が、開講日に間に合わない可能性がありますことご了承下さい。
• 無断転載、二次利用や講義の録音、録画などの行為を固く禁じます。

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。サブテキストに「トコトンやさしい画像認識の本」を使用します。サブテキストは必須ではありませんが、説明スライドの中にそれぞれの内容に関してサブテキストの対応する項目番号/ページ番号を付加するので、サブテキストの該当箇所を参照いただくことで理解が深まります。＜特典＞サブテキストとして「トコトンやさしい画像認識の本」（笠原亮介著/日刊工業新聞社）を参加者全員に1冊ずつ配布いたします。

受講対象・レベル

・ディープラーニングをはじめとする機械学習を用いた画像認識技術を学びたいと思っている方

必要な予備知識

特に予備知識は必要ありません。基礎から解説いたしますが、予備知識として画像データに対する一般的な知識があると理解が深まります。

習得できる知識

・画像認識用の画像撮影知識が付きます。・機械学習の概要を理解できます。・ディープラーニングの基礎が習得できます。・画像認識技術の基礎が習得できます。・画像認識技術のアプリケーションの例が理解できます。

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　　　 (1). 学習データ　　　 (2). 特徴量の設計について　　　 (3). 機械学習の種類　　　 (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　　　　(1). テーブルデータ分類例　　　　(2). CNNを用いた画像認識例　　　　(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

キーワード：画像認識技術,ディープラーニング,機械学習,セミナー,講演,オンライン,Zoom