シラバス参照

講義概要/Course Information

2020/04/28 現在

科目基礎情報/General Information

授業科目名 /Course title (Japanese)	コンピュータビジョン特論
英文授業科目名 /Course title (English)	Advanced Computer Vision
科目番号 /Code
開講年度 /Academic year	2020年度	開講年次 /Year offered	全学年
開講学期 /Semester(s) offered	後学期	開講コース・課程 /Faculty offering the course	博士前期課程、博士後期課程
授業の方法 /Teaching method	講義	単位数 /Credits	2
科目区分 /Category	大学院専門教育科目 - 専門科目Ⅱ
開講学科・専攻 /Cluster/Department	機械知能システム学専攻
担当教員名 /Lecturer(s)	中村　友昭
居室 /Office	西8-516
公開E-Mail /e-mail	tnakamura@uec.ac.jp
授業関連Webページ /Course website	なし
更新日 /Last updated	2020/03/24 14:48:55	更新状況 /Update status	公開中 /now open to public

講義情報/Course Description

主題および 達成目標 /Topic and goals	コンピュータやロボット，更には様々な機器が，それらの周囲の環境を的確に把握し動作するためには，人間の目（視覚系）と同じ様に，外界を見てその様子を理解するための目（視覚機能）を持つことが不可欠である．人間は，ことさら意識することなく，様々な条件下での周囲の状況を目で見て理解し，その結果に基づいて外界に働きかけることができる．一方，同じことをコンピュータやロボットにさせようとすると，明るさや色の連続的な時空間分布であり構造化されてはいない画像情報から，いかに構造化された情報を取り出し，シーンを認識或いは理解するかに至るまで，数多くの処理が必要である．このための技術がコンピュータビジョン（ロボットビジョン，マシーンビジョンなどの言い方もある）である． 　本講義では，実際にプログラムを動かしながら，畳み込み，幾何学変換，画像特徴量といった画像処理の基礎について学ぶ．さらに，近年広く使われているニューラルネットワークの基礎から，畳み込みニューラルネットワークの基本的な原理を学習する．   Computers, robots, and various machines are required to have the eyes, that is the ability of vision, as humans to see and understand their surroundings so as to appropriately grasp the conditions of the environment and interact with them. Humans can see and understand the surroundings under various conditions without special efforts and can interact with the environments based on the results of understanding. On the other hand, in order to make computers and robots do such behaviors, various kinds of processes are required. Examples of necessary processes are to capture visual information that is not structured, to extract the structured information from images, and to recognize and understand scenes, and so on. Technology for these purposes is named “computer vision,” “Robot vision” and “machine vision.”     In this lecture, the students learn basics of computer vision such as convolution, geometric transformation, and image features while actually running the programs. Furthermore, we learn object recognition techniques based on convolutional neural networks, starting with the basics of neural networks.
前もって履修 しておくべき科目 /Prerequisites	特になし NIL
前もって履修しておくこ とが望ましい科目 /Recommended prerequisites and preparation	特になし NIL
教科書等 /Course textbooks and materials	教科書は特に指定しない．講義中に資料を配布する． 参考書として以下のものを挙げておく． [ 参考書 ]　 [1] Jan Erik Solem (著), 相川 愛三 (翻訳)："実践 コンピュータビジョン," オライリージャパン，2013 [2] 岡谷 貴之："深層学習," 講談社, 2015 The textbooks are not specified. Original handouts will be prepared in the class. The followings are some reference books. [ Reference books ] [1] Jan Solem, "Programming Computer Vision with Python,"  O'Reilly Media, 2012 [2] Ian Goodfellow, Yoshua Bengio, Aaron Courville, "Deep Learning," The MIT Press, 2016
授業内容と その進め方 /Course outline and weekly schedule	(a) 授業内容 　以下の項目を中心に，基礎的な原理・考え方にポイントを置いて講義を行う． 第１回　コンピュータビジョンとは 第２回　Pythonの基本 第３回　Pythonによるデジタル画像の取り扱い（1） 第４回　Pythonによるデジタル画像の取り扱い（2） 第５回　フィルタ（1） 第６回　フィルタ（2） 第７回　画像の幾何学変換 第８回　画像特徴量（1） 第９回　画像特徴量（2） 第１０回　一般物体認識 第１１回　ニューラルネットワーク 第１２回　畳み込みニューラルネットワーク 第１３回　深層畳み込みニューラルネットワーク 第１４回　オートエンコーダ（1） 第１５回　オートエンコーダ（1） (b) 授業の進め方 　配布資料の内容に沿って講義を行う． (c) 授業時間外の学習（予習・復習等） 　予習は特に必要としないが，各回の授業における重要事項について必ず復習を行うこと． (a) Outline of Class and Contents 　The following topics will be lectured based on fundamental theories and approaches. (1) What is “computer vision”? (2) Fundamentals of python (3) Images processing with Python (1) (4) Images processing with Python (2) (5) Filter (1) (6) Filter (2) (8) Geometric transformation of images (9) Image feature extraction (1) (10) Image feature extraction (2) (11) Neural networks (12) Convolutional neural networks (13) Deep convolutional neural networks (14) Autoencoder (1) (15) Autoencoder (2) (b) How to lecture 　Will be lectured according to the contents of handouts. (c) Out-of-class work (preparation and review) 　Preparation is not required. However, the intensive review is required for every lesson.
実務経験を活かした 授業内容 (実務経験内容も含む) /Course content utilizing practical experience
授業時間外の学習 （予習・復習等） /Preparation and review outside class	予習は特に必要としないが、各回の講義における重要事項について必ず復習を行うこと。 Preparation is not required. However the intensive review is required for every lesson.
成績評価方法 および評価基準 （最低達成基準を含む） /Evaluation and grading	(a) 評価方法 　レポートによって総合評価する． 　 (b) 評価基準 　以下の到達レベルをもって，合格の最低基準とする． (1) ディジタル画像の取扱いの基礎を理解していること． (2) 画像処理の基本手法や手順を理解していること． (3) 画像特徴の抽出，ニューラルネットワークについて基本手法を理解していること． (a) Evaluation method Evaluate overall by a report. (b) Performance evaluation standards The followings are the minimum requirements to pass. (1) Have understood the fundamentals of handling of digital images. (2) Have understood the fundamental methods and processes of image processing. (3) Have understood the fundamental methods of extraction of various image features and neural networks.
オフィスアワー： 授業相談 /Office hours	適宜相談に応じるが，事前に電子メールにてアポイントを取ること． Before visiting the office, please make an appointment by using E-mail.
学生へのメッセージ /Message for students	講義を受身の姿勢で聴講するだけでなく，自分ならどの様なコンピュータビジョンシステムを，どの様に構築していきたいかを積極的に考えていくことを期待する． Not only attending lessons but also deliberating upon computer vision systems and their applications deeply.
その他 /Others	特になし NIL
キーワード /Keyword(s)	画像、画像処理、ディジタル画像、コンピュータビジョン、画像認識、画像特徴 image, image processing, digital image, computer vision, image recognition, image features