Pythonによる画像処理・機械学習プログラミングとその実践 <オンラインセミナー>
~ 画像処理、機械学習とライブラリの活用、画像処理の基礎と応用(OpenCV)とそのポイント、機械学習による画像処理の実践(Scikit-learn、TensorFlow、Keras) ~
・Pythonにおける豊富なライブラリを活用し、画像処理や機械学習システムに応用するための講座
・画像処理、機械学習の基礎からPythonによるプログラミング方法まで修得し、ライブラリを活用した効率的なシステム開発に活かそう!
オンラインセミナーの詳細はこちら:
https://www.j-techno.co.jp/オンラインセミナーのご案内/
・WEB会議システムの使い方がご不明の方は弊社でご説明いたしますのでお気軽にご相談ください。
講師の言葉
機械学習のプログラミング言語として有名になったPythonは、ライブラリの豊富さと簡単さから様々な応用分野で利用され、今日最も注目されている言語の1つです。本講座では、Pythonを用いた応用の中でも最も発展の著しい画像処理と機械学習を扱います。画像処理も機械学習もライブラリが充実しているため数学的な理解がなくてもステップを踏んで学習し、体験し、ちょっとしたコツを理解するだけで自分で応用することができるようになります。
本講座では、画像処理・機械学習を学ぶのに必要なPythonプログラミング、画像処理・機械学習でよく使われる数値計算・グラフ表示ライブラリの説明を行い、画像処理、機械学習を基礎から説明します。その後、OpenCV 4.5、Scikit-Learn、Tensorflow2.7上のKerasを用い、実際にプログラムを動かし体験しながら進めていきます。機械学習では、みなさんがお持ちの画像データを用いる具体的な手法をプログラムとともに説明します。これにより、自分の画像データでモデルを作成できプログラムに組み込めるようになります。
本講座で使用する約100個のサンプルプログラムと実行環境を配布しますので、そのまま業務に活用することが可能です。
セミナー詳細
開催日時 |
- 2022年09月08日(木) 10:30 ~ 17:30
|
開催場所 |
オンラインセミナー |
カテゴリー |
オンラインセミナー、ソフト・データ・画像・デザイン |
受講対象者 |
・画像処理システム、機械学習システムを業務へ応用されたい方
・画像処理、機械学習の初学者、基礎から自分でモデルを作成する方法を学びたい方
・今後、画像処理、機械学習などを用いた仕事に関わりたい方
|
予備知識 |
・コンピュータの基本的な知識や他の言語でのプログラミングの経験がある方
・Windowsの基本操作(ファイルの作成、コピー、移動、削除など)ができる方
|
修得知識 |
・画像処理、機械学習の基礎とプログラミングの概要、応用方法が分かる
・自分のデータで機械学習のモデルが作成でき、プログラムに組み込めるようになる
・画像処理、機械学習と一緒に使われるライブラリの使い方が分かる
※本講座で使用するサンプルプログラムと実行環境を配布します。そのまま業務に活用出来ます
|
プログラム |
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
|
キーワード |
Python リスト クラス モジュール ライブラリ グラフ処理 数値計算処理 機械学習 色変換 アフィン変換 フィルタ処理 メディアンフィルター処理 局所特徴量 多層パーセプトロン TensorFlow Keras CNN AI・機械学習 ソフト管理 データ解析 DeepLearning 物体検出 人工ニューロン 画像処理 OpenCV |
タグ |
AI・機械学習、ソフト管理、データ解析、画像、画像処理、ITサービス |
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 |
オンラインセミナー
本セミナーは、Web会議システムを使用したオンラインセミナーとして開催します。
|
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。