化学品の市場調査、研究開発の支援、マーケット情報の出版

~AdaBoost, Random Forest, Deep Learning等の機械学習アルゴリズムと画像認識への応用について解説~

トリケップスセミナー

     開催日時:2016年9月12日(月)10:00~17:00
     会  場:オームビル (千代田区神田錦町3-1) → 会場へのアクセス 
            〒101-0062 東京都千代田区神田駿河台3-2-11
     参 加 費:お1人様受講の場合 47,000円 (税別/1名)
          1口(1社3名まで受講可能)でお申し込みの場合 59,000円 (税別/1口)

講 師

藤吉弘亘(ふじよしひろのぶ) 氏 
  中部大学 工学部 情報科学科 / 大学院 工学研究科 情報工学専攻 教授(博士(工学))

<略歴>
 1997年 中部大学大学院 博士後期課程了
 1997~2000年 米国カーネギーメロン大学 ロボット工学研究所 Postdoctoral Fellow
 2000年 中部大学 講師
 2004年 中部大学 准教授
 2005~2006年 米国カーネギーメロン大学 ロボット工学研究所 客員研究員
 2010年 中部大学 教授
 2014年 名古屋大学 客員教授
  現在に至る
<学会>
 電子情報通信学会、情報処理学会、ロボット学会、IEEE
<主な受賞>
 ロボカップ研究賞(2005年)
 情報処理学会論文誌CVIM優秀論文賞(2009年)
 情報処理学会山下記念研究賞(2009年)
 画像センシングシンポジウム優秀学術賞(2010, 2013, 2014年)
 電子情報通信学会 情報・システムソサイエティ論文賞(2013年)
<研究>
 計算機視覚、動画像処理、パターン認識・理解の研究に従事

講義項目

 1 局所特徴量と機械学習(2クラス識別器)による画像認識
 物体検出は、局所特徴量と統計的学習手法の組み合わせにより実現されています。顔検出として、Haar-like特徴とAdaBoost識別器を解説した後、人検出で用いられるHOG特徴量等について解説します。

  1.1 Haar-like特徴と顔検出
  1.2 AdaBoostのアルゴリズム
  1.3 HOG特徴と人検出(Histograms of Oriented Gradients)
  1.4 その他の画像局所特徴量

 2 多クラス識別器Random Forestによる画像認識
 Random Forestは、バギングや特徴選択等のランダム性を取り入れながら、決定木をアンサンブルに構築するアプローチで、多くのアプリケーションで利用されています。Random Forestのアルゴリズムとその応用例として、Kinectの人体姿勢推定手法について解説します。また、Random Forestの回帰への応用であるRegression Forestや、半教師付学習等についても解説します。

  2.1 Random Forest
  2.2 Hough Forestによる物体検出
  2.3 Random Forestを用いた距離画像からの人体姿勢推定
  2.4 Regression Forestによる回帰
  2.5 Density Forestによる密度推定
  2.6 Semi-supervised Forestによる半教師付き学習

 3 画像認識の最新動向
 機械学習における最新の研究動向として、Deep Learningについて概説し、畳み込みニューラルネットワークのしくみと画像認識への適用について解説します。

  3.1 Deep Learningとは
  3.2 畳み込みニューラルネットワーク(CNN)
  3.3  CNNによる画像認識応用