機械学習の画像認識への応用

最近の画像認識やコンピュータビジョンではSVMやDeep learning等の機械学習法を使うのが当たり前になってきている。一方で機械学習系の会議でも画像認識への応用が盛んに行われるようになり、初学者にとっては自分の抱えている課題にどの方法を使ったら良いのか分かりにくい状況である。 　そこで、画像認識でよく使われるSVMとDeep learningに主眼を置き、具体的な応用例と共に詳しく解説していく。

1. サポートベクターマシン
   1. 線形サポートベクターマシン
   2. 非線形サポートベクターマシン
      • カーネル関数の統合
      • アスベスト検出への応用
   3. One – classサポートベクターマシン
      • 粒子検出への応用
   4. サポートベクター回帰
      • 文脈情報抽出への応用
      • メラノソーム追跡への応用
   5. Latentサポートベクターマシン
      • カテゴリ識別への応用
   6. Exemplarサポートベクターマシンとその応用
      • カテゴリ識別への応用
2. Deep learning
   1. 従来のニューラルネットワーク
      • 単層パーセプトロン
      • 多層パーセプトロン
      • 誤差逆伝播法
   2. Convolutional Neural Network
      1. ユニット関数 (sigmoid, ReLU, leakyReLU, ELU, maxout)
      2. ドロップアウト
      3. CNNの解析
      4. Deep learningの応用
      5. 画像ラベリングへの応用
      6. 細胞内の粒子検出への応用
      7. カテゴリ識別への応用
      8. 動画像認識への応用
3. その他の機械学習法
   1. Partial Least Squares
      • 粒子計数への応用
   2. カーネル多変量解析
      • 顔認識への応用
• 質疑応答