日時
- 2019年2月21日 10時00分〜 2019年2月21日 17時00分
開催予定
プログラム
- 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。
- Haar-like特徴と顔検出
- AdaBoostのアルゴリズム
- HOG特徴と人検出 (Histograms of Oriented Gradients)
- その他の画像局所特徴量
- 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。
- Random Forest
- Random Forestを用いた距離画像からの人体姿勢推定
- Regression Forestによる回帰
- Deep Learningによる画像認識
- 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。また、End-to-end学習などのDeep Learningによる最新動向と今後の課題についても紹介します。
- Deep Learningとは
- 畳み込みニューラルネットワーク (CNN)
- CNNによる画像認識応用
- Deep Learningの最新動向と今後の課題
会場
受講料
- 1名様: 47,000円(税別) / 51,700円(税込)
- 複数名: 59,000円(税別) / 64,900円(税込)