機械学習・ディープラーニングによる画像認識技術の仕組みと応用および最新技術

~ 局所特徴量と機械学習、多クラス識別器Random Forest、Deep Learningによる画像認識技術とその応用 ~

・機械学習(深層学習)を用いて画像認識を実現するための基礎技術を修得し、システム開発へ応用するための講座

・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などが修得できる特別セミナー! 

講師の言葉

 画像認識する技術は、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。
 本セミナーでは、車載システムやデジカメなどで使用されている「機械学習による画像認識」のしくみを紹介しながら、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(Deep Learning)による画像認識の仕組みと最新動向についても紹介します。

本講座は、日程が7月25日(木)に変更になりました。

セミナー詳細

開催日時
  • 2019年05月22日(水) 10:30 ~ 17:30
開催場所 日本テクノセンター研修室
カテゴリー ソフト・データ・画像・デザイン
受講対象者 ・画像処理、車、ロボット、防犯システム、エンタテインメントのほか関連企業の方
・画像認識を使うではなく、仕組みを理解して開発したい方
予備知識 ・特に必要ありません
修得知識 ・機械学習(深層学習)を用いて画像認識を実現するための基礎
プログラム

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).Haar-like特徴と顔検出
  (2).AdaBoostのアルゴリズム
  (3).HOG特徴と人検出 (Histograms of Oriented Gradients)

2.多クラス識別器Random Forestによる画像認識
  Random Forest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
  利用されています。Random Forest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
  (1).Random Forest
  (2).Random Forestを用いた距離画像からの人体姿勢推定

3.Deep Learningによる画像認識とその応用
  機械学習における最新の研究動向として、Deep Learning 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。また、End-to-end学習などのDeep Learningによる最新動向と
  今後の課題についても紹介します
  (1).Deep Learningとは
  (2).畳み込みニューラルネットワーク (CNN)
  (3).CNNによる画像認識応用
  (4).Deep Learningの最新動向と今後の課題

キーワード 画像認識 局所特徴量 物体検出 Haar-like特徴 AdaBoost識別器 HOG特徴量 Random Forest  決定木  距離画像 Deep Learning 畳み込みニューラルネットワーク End-to-end学習
タグ AI・機械学習画像画像認識
受講料 一般 (1名):49,500円(税込)
同時複数申込の場合(1名):44,000円(税込)
会場
日本テクノセンター研修室
〒 163-0722 東京都新宿区西新宿2-7-1 新宿第一生命ビルディング(22階)
- JR「新宿駅」西口から徒歩10分
- 東京メトロ丸ノ内線「西新宿駅」から徒歩8分
- 都営大江戸線「都庁前駅」から徒歩5分
電話番号 : 03-5322-5888
FAX : 03-5322-5666
こちらのセミナーは受付を終了しました。
次回開催のお知らせや、類似セミナーに関する情報を希望される方は、以下よりお問合せ下さい。
contact us contact us
各種お問い合わせは、お電話でも受け付けております。
03-5322-5888

営業時間 月~金:9:00~17:00 / 定休日:土日・祝日