Pythonによる画像処理の基礎と機械学習プログラミング実践講座：MLPからViTまでのモデルと活用法　＜オンラインセミナー＞

～画像の色変換、画像処理のポイント、機械学習の種類とデータセット、画像のクラス分類の実践､学習結果の利用方法、高度な画像分類モデル、Vision Transformer ～

・豊富なサンプルプログラムを通して機械学習による画像処理プログラミングが実践的に修得できる講座

・画像処理、機械学習で使われるライブラリを効果的に活用し、効率的なアプリケーション開発に応用しよう！

・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、機械学習プログラミング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、実際に講師がプログラムを動かしながら講義を進めていきます。機械学習では､分類モデルの基礎であるMLPから最新のViT(Visual Transfomer)まで扱い、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作成したモデルをプログラムに組み込めるようになります。

セミナー詳細

開催日時	2023年02月03日(金) 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
プログラム	１．画像処理と機械学習に必要な最低限のPythonプログラミング　　・Pythonの概要、制御構造（条件分岐、繰り返し処理）、データ構造（リスト、タプル、辞書）、関数（キーワード引数、複数の戻り値）、クラス、モジュールなど２．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　　（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）．ピクセルとは何か？画像の読み込みと表示　　（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（画像の拡大縮小、フリップ処理､回転など）と透視変換　　（４）．幾何形状（線､円）の検出､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　　（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とは？）４．機械学習による画像認識の基礎（Scikit-learn）　　（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)、　　　　・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作業工程　　　　・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　　　　・教師有り学習、教師無し学習とは何か　　　　・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　　　　・簡単な例で体感する分類処理と誤差伝播法　　　　・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）　　　　・データの与え方（正規化、標準化）、活性化関数（ReLU）　　　　・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　　　　・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．機械学習による高度な画像分類モデル（TensorFlow、Keras）とその応用　　（１）．TensorFlowとKerasによるCNNによる画像分類の実践　　　　・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）　　　　・データの与え方（one-shotエンコーディング）、クロスエントロピー関数　　　　・精度・誤差曲線の表示と過学習、学習結果の利用、ドロップアウトなど　　（２）．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　　　　・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　　　　・データの画像の拡張（水増し）手法　　（３）．事前学習モデルの使い方とファインチューニング　　　　・VGG１６の事前学習モデルを用いた画像分類　　　　・VGG１６の事前学習モデルを用いたファインチューニング　　（４）．ViT（Vision Transformer）　　　　・Vision Transformerとは何か？　　　　・事前学習モデルによる画像分類方法　　　　・Attention Mapの可視化　　　　・ViTのファインチューニング６. まとめと今後の動向　　・転移学習、学習の可視化、物体検出、姿勢推定、生成型DeepLearning、異常検知、MLOpsなど
キーワード	画像処理　機械学習　Pythonプログラミング　ライブラリ　OpenCV　アフィン変換　フィルタ処理　テンプレートマッチング　多層パーセプトロン　クラス分類　画像分類モデル　クロスエントロピー関数　ファインチューニング　ViT（Vision Transformer）
タグ	AI・機械学習、ソフト管理、ソフト教育、データ解析、画像処理、OS・言語
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。

Pythonによる画像処理の基礎と機械学習プログラミング実践講座：MLPからViTまでのモデルと活用法 ＜オンラインセミナー＞

講師の言葉

セミナー詳細

オンラインセミナー

こちらのセミナーは受付を終了しました。