以下の類似セミナーへのお申込みをご検討ください。
AIプログラミングができない要素技術者自身で開発できる人工知能技術 ~深層学習とMTシステムの基礎・学習データ最小化・開発実務応用入門~【AI構築デモ付き(希望者にAI構築・計算方法Excel資料提供)】
機械学習を用いた画像認識技術の基礎とその応用
小規模データに対する機械学習の効果的適用法
画像認識のためのディープラーニングとモデルの軽量化
予備知識なしからでも学べる実績ありの製造業AI活用ノウハウディープニューラルネットワークモデル/MTシステムの基礎と学習データ最小化
人工知能の医療検査への応用事例と関連法規制
■AI活用人材育成講座■『機械学習(ディープラーニング)の基礎・活用・実践<全3回>』
画像認識技術入門
AI時代のロボットビジョン技術の基礎と応用〜生産・物流・家庭における知能ロボット〜
開催日 |
12:30 ~ 16:30 締めきりました |
---|---|
主催者 | 株式会社 情報機構 |
キーワード | AI(人工知能) 機械学習・ディープラーニング |
開催エリア | 東京都 |
開催場所 | 【大田区】大田区産業プラザ(PiO) |
交通 | 【京急】京急蒲田駅 |
知能ロボットの中心技術「ロボットビジョン(視覚)」の最新動向を解説! 動画を用い、初心者の方にもわかりやすくご説明します。
講師
中京大学 工学部 機械システム工学科
工学部長・教授 博士(工学) 橋本 学 先生
受講料
1名41,040円(税込(消費税8%)、資料付)
*1社2名以上同時申込の場合 、1名につき30,240円
*学校法人割引 ;学生、教員のご参加は受講料50%割引。
セミナーポイント
■はじめに
本セミナーでは,知能ロボットの中心的な技術であるロボットビジョン(視覚)に関して,基礎と応用を解説します.まず最初に,3次元計測センサの分類や特徴を整理し,物体認識アルゴリズムの概要について説明いたします.次に,物体認識の基本となる技術である「3次元特徴量」を主題に,過去の研究系譜を俯瞰するとともに,最新の研究事例についても解説します.この分野のスタンダードともいえるSHOTやFPFHなどの特徴量をタイプ別に整理して紹介し,実際の特徴量利用において必須である局所参照座標系(LRF)についても,主要技術を解説します.次に,これらの技術の実用例として,国際的なロボットコンテストであるAmazon Robotics Challengeや,WRS(World Robot Summit)への出場経験をもとに,現実の課題と取り組み事例を紹介します.最後に,特に家庭における生活支援ロボットへの適用を想定して,一般物体認識や「機能」認識などの最新の研究事例を述べ,未来を展望します.講義では,実際のロボットの動作場面などの動画などのビジュアルコンテンツを多用し,初心者の方にもわかりやすい解説をおこないます.
■受講対象
知能ロボット,AI,IoT,3次元物体認識,ロボットピッキング,ポイントクラウドデータ処理,に興味を
持っている初心者のエンジニア,および既に関連業務に取り組んでおられるベテランエンジニアの方を想定しています.
■必要な予備知識
本講座は初心者にもわかりやすい内容になっていますが,
画像処理,ポイントクラウドデータ処理について,概括的な知識があると,より一層理解が深まります.
■本セミナーに参加して修得できること
3次元センサの原理と特徴,物体認識技術の概要,
3次元特徴量の概観と最新技術,局所参照座標系の概観,
ポイントクラウドデータ利用の最新研究事例に関する基礎知識が修得できます.
セミナー内容
1.人工知能(AI)技術の動向
1-1 AIに関する話題
1-2 機械学習の基礎
1-3 ロボット知覚技術とAI
2.3次元物体認識の基礎
2-1 3次元計測センサの種類と特徴
2-2 物体認識アルゴリズムの概要
2-3 キーポイントベース物体認識の概要
2-4 3次元特徴量・局所参照座標系の主要技術
2-5 3次元特徴量に関する最新技術
3.国際的な知能ロボット大会への参画
3-1 Amazon Robotics Challenge(ARC)の概要
3-2 第1回大会における課題と教訓
3-3 第2回大会における課題と教訓
3-4 第3回大会における課題と教訓
3-5 ARC後の挑戦 〜WRSにおけるコンビニロボット開発〜
4.実用化のための新技術
4-1 ビジョンとロボットを円滑につなぐための必須技術
4-2 「物体」認識から「機能」認識へ