- 講師:山崎俊彦
- 参考書:CG-ARTS協会発行「ディジタル画像処理」
- 参考書:R. Szeliski, Computer Vision Algorithms and Applications, Springer (PDF版はインターネット上で無料公開)
講義予定
- 前半(山崎担当)
- 画像の操作
- 画像の特徴抽出・内容理解・構造化
- 機械学習一般
- 後半(相澤担当)
- 画像を撮る:カメラの内部処理・センサ・レンズ・標本化
- 画像を表現する。色の知覚・表現
- 画像の基礎的な処理。周波数変換、線形・非線形フィルタリング
# | 日付 | 担当 | 内容 |
---|---|---|---|
1 | 9/30(月) | 山崎 | 画像・映像を中心とした現在の技術動向の紹介、低次・領域・局所画像特徴 |
2 | 10/7(月) | 山崎 | 特徴選択、特徴表現 |
3 | 10/21(月) | 山崎 | 機械学習概論、教師なし学習、クラスタリング |
4 | 10/28(月) | 山崎 | 機械学習 (NN, SVM, RF) |
5 | 11/7(木) | 山崎 | 深層学習 (Deep Neural Networks) |
6 | 11/11(月) | 山崎 | 動画像処理 (ブロックマッチング、背景差分、オプティカルフロー) |
7 | 11/13(水) | 山崎 | 3次元空間情報の取得と処理 |
8 | 11/18(月) | 相澤 | デジタルカメラ系 |
9 | 11/25(月) | 相澤 | 表色系 |
10 | 12/9(月) | 相澤 | フィルタリング |
11 | 12/16(月) | 相澤 | 画像復元 |
12 | 12/23(月) | 相澤 | 画像符号化 |
13 | 12/25(水) | 相澤 | 特徴抽出 |
13 | 1/27 | テスト |
パターン認識一般
- 現在は、90%位が学習ベース(data-driven)。残りが解析的手法。最近はこのhybridも。
- 全体的な流れ
- 学習(training)
- 検証(validation)←パラメータ最適化
- 推論(test, inference)
- なぜ今学習ベースなのか?
- データの大規模化:インターネット上から大量に収集可。
- 計算機の進化:ムーアの法則による高速化。さらにはクラウド
- 労働力のクラウド化
画像特徴
- 低次特徴量
- 色ヒストグラム(RGB,HSV,L*a*b*):単純計算すると \(256^3\) 個binができるので、注意。
- 色共起ヒストグラム(Correlogram):隣接ピクセルの色を踏まえたヒストグラム
- 円、コーナー直線の数・大きさ・長さ
- 物体の円度、曲率等