～ デジタル画像の基礎と画像処理手法、深層学習（Deep Learning）による画像認識と画像分類、多クラス分類の手法および注意点 ～
・画像処理の基礎からAIによる認識・分類技術までを体系的に修得し、画像処理システムの開発に活かすための講座！
・画像処理手法の基礎から深層学習、多クラス分類と応用技術までを修得し、画像認識・分類技術を活かした検品・仕分け・診断・周辺認識への応用に活かそう！
・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。
画像処理の基礎と深層学習を用いた画像認識・分類技術への応用 ＜オンラインセミナー＞
講師の言葉
本講義では、画像処理の基礎からAIによる認識・分類技術までを、実務で活用できる視点で体系的に解説します。特に「認識、分類」を中心に据えつつ、画像全体や候補領域の分類タスクも含めた設計手法に重点を置きます。
古典的画像処理手法と深層学習の使い分け・組み合わせ方を具体的に示します。
多クラス分類は、不良検品、自動仕分け、車やロボットの周辺認識、セキュリティ・個人認証、表情認識、文字識別、医療診断などで使われます
セミナー詳細
| 開催日時 |
|
|---|---|
| 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 |
・画像認識、画像分類の技術習得に関心のある技術者、研究者の方 ・検査装置、医用画像、周辺認識、行動解析、セキュリティ、アミューズメント、他 |
| 予備知識 |
・エンジニアの方であれば、特別な専門知識は不要です。画像処理やAIの経験がなくても受講可能です あると理解が深まる知識（必須ではありません） ・AIや機械学習という言葉を聞いたことがある程度の基礎知識 ・プログラミングの経験か知識（セミナーでは、プログラミング実習は行いません） |
| 修得知識 |
・古典的画像処理と深層学習を認識・分類タスクで使い分け、組み合わせる判断力を身につける ・CNNを用いた認識・分類モデルの仕組みと評価指標を理解する ・医用画像で培われた高信頼性分野の知見を、非医療分野に応用についても説明する |
| プログラム |
１．デジタル画像の基礎と画像処理手法 （１）．デジタル画像の基礎 ａ．画素 ｂ．解像度 ｃ．色空間 （２）．画像処理の基本手法 ａ．前処理 ｂ．特徴量 （３）．特徴量抽出
２．画像分類の基礎 （１）．画像分類とは何か （２）．分類タスクの種類と課題
３．深層学習による画像認識 （１）．CNNの基本構造 （２）．古典的手法との違いと利点
４．深層学習による画像分類 （１）．代表的モデル ａ．VGG16 ｂ．ResNet50 ｃ．DenseNet121 ｄ．InceptionV3 ｅ．MobileNetV3 （２）．各モデルの特徴と性能比較、使い分け方 （３）．モデル融合（アンサンブル）の考え方と特徴
５．多クラス分類の手法および注意点 （１）．多クラス分類の基本概念 （２）．評価指標と注意点
６．応用事例とまとめ （１）．実際の応用例 ・医用画像を例に、非医療分野にも展開できるように説明 （２）．全体の振り返りと今後の展望 |
| キーワード | デジタル画像 色空間 前処理 特徴量抽出 画像分類 CNN 多クラス分類 |
| タグ | 画像処理、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 |
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現在募集を締め切っております。
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。
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