• 2025年03月04日(火) 10:30 ~ 17:30

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
　　（１）．Pythonの概要
　　（２）．制御構造（条件分岐、繰り返し処理）
　　（３）．データ構造（リスト、タプル、辞書）
　　（４）．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）．グラフ表示(Matplotlib)
　　（２）．数値計算(NumPy)

３．画像処理の基礎と応用（OpenCV）
　　（１）．画像の読み込みと表示
　　（２）．２値画像処理
　　（３）．アフィン変換と透視変換
　　（４）．フィルタ処理とコンボリューション処理
　　（５）．物体検出：テンプレートマッチング、局所特徴量
　　（６）．動画像処理､差分や混合正規分布による動物体検出
　　
４．機械学習による画像認識の基礎
　　（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)
　　（３）．機械学習の種類とデータセット
　　（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
　　　　・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とその応用
　　（１） 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
　　　　・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
　　　　・事前学習モデルを用いた画像分類
　　　　・事前学習モデルを用いたファインチューニング
　　（４）．Vision Transformer　（ＶｉＴ）
　　　　・事前学習モデルを用いた画像分類
　　（５） 事前学習モデルを用いた物体検出

６. 画像・動画生成AI
　　（１）基本モデルの基礎知識
　　　　・CLIP、Diffusion model、Stable Diffusion、Soraなど
　　（２）応用分野
　　　　・Text-to-Image、Image-to-Image、画像補完、超解像、Text-to-Video、Image-to-Video、動画補完など

７．まとめと今後の動向

日本テクノセンター研修室