• 2022年09月08日(木) 10:30 ~ 17:30

１．画像処理のためのPythonプログラミング
　　（１）．Pythonの概要、他言語との違い、インストール方法
　　（２）．基本となるデータ型と演算子(算術演算子、代入演算子など)
　　（３）．リスト型データの定義、要素へのアクセス、操作、タプル、辞書
　　（４）．制御構造(条件分岐、繰り返し処理)
　　（５）．関数とは何か、その定義と実行、キーワード引数、複数の戻り値
　　（６）．クラスの定義、利用
　　（７）．モジュール

２．画像処理、機械学習と一緒に使われるライブラリ
　　（１）．グラフ作成・表示処理(Matplotlib)
　　（２）．数値計算処理(NumPy)

３．画像処理の基礎と応用（OpenCV）
　　（１）．画像処理の基礎: ピクセルとは何か？画像の読み込み、表示
　　（２）．画像の色変換: HSV、グレースケール変換、２値処理(閾値処理､大津の手法)､反転処理
　　（３）．アフィン変換(拡大縮小、フリップ処理､回転など)と透視変換
　　（４）．幾何形状（線､円）検出､ラベリング処理､輪郭抽出、モルフォロジー変換
　　（５）．フィルタ処理: 畳み込み処理(ノイズ処理、エッジ抽出)､メディアンフィルター処理
　　（６）．テンプレートマッチング、顔検出、局所特徴量を用いた物体検出
　　（７）．動画像処理､差分や混合正規分布による動物体検出
　　（８）. 画像処理のポイント（多段処理による画像処理）

４．機械学習による画像処理の実践（Scikit-learn、TensorFlow、Keras）
　　（１）．人工知能、機械学習、深層学習の違い
　　（２）．人工ニューロン、単純パーセプトロン、多層パーセプトロン(MLP)
　　　　ａ．ニューラルネットワーク(NN)､画像分類を機械学習で行うための全作業工程
　　　　ｂ．データ準備、前処理、読み込み、訓練、評価、推論処理
　　（３）．機械学習の種類とデータセット
　　　　ａ．教師有り学習、教師無し学習とは何か
　　　　ｂ．データセットとは何か？（訓練データ、検証データ、テストデータ）
　　（４）．多層パーセプトロンによる画像のクラス分類の実践､学習結果の利用方法
　　　　ａ．簡単な例で体感する分類処理と誤差伝播法
　　　　ｂ．訓練データの構造（画像とラベルの関係、画像の平坦化処理）
　　　　ｃ．データの与え方（正規化、標準化）、活性化関数（ReLU）
　　　　ｄ．データの訓練方法、モデルのファイルへの保存方法、学習結果の利用方法
　　　　ｅ．自分で学習させたモデルで自分の手書き文字を認識させてみる
　　（５）．TensorFlowとKerasによるCNNによる画像のクラス分類の実践
　　　　ａ．コンボリューショナルネットワークによる画像分類（畳み込み処理、プーリング処理、平坦化処理）
　　　　ｂ．データの与え方（one-shotエンコーディング）、カテゴリカルクロスエントロピー
　　　　ｃ．精度・誤差曲線の表示と過学習、学習結果の利用、ドロップアウト
　　（６）．自前の画像データを用いた画像の機械学習手法､学習済みネットワークの活用
　　　　ａ．データジェネレータを用いた自前データの読み込みと機械学習手法
　　　　ｂ．データの画像の拡張（水増し）手法

５．まとめと今後の動向
　　・転移学習、ファインチューニング、学習の可視化、物体検出、生成型DeepLearning、異常検知、トランスフォーマー、MLOpsなど

オンラインセミナー