機械学習法の基礎とコンピュータビジョン応用

最近のコンピュータビジョンでは多変量解析や機械学習法を利用することが主流になってきた。コンピュータビジョンに限っても多数の手法が利用されており、初学者には各手法の詳細と性質を知ることが簡単ではない。そこで、本セミナーでは理論と応用をあわせて紹介することにより、各手法の性質をつかみやすくする。

1. 多変量解析とComputer Vision (CV) 応用
   1. 主成分分析
   2. 判別分析
   3. Partial least squares回帰
   4. カーネル多変量解析
2. ベイズの定理とCV応用
   1. 正規分布を仮定した時のベイズの定理
   2. ナイーブベイズ
3. ニューラルネットワークとCV応用
   1. 単層パーセプトロン
   2. 多層パーセプトロン
   3. Deep learning
4. サポートベクターマシンとCV応用
   1. CVでよく利用されるカーネル関数
   2. カーネル関数の統合
   3. one-class SVM
   4. サポートベクター回帰用法
5. AdaboostとCV応用
6. Random ForestとCV応用