超解像は、古くから、テレビの高画質化に用いられてきた技術ですが、近年では、カメラのデジタルズーム、監視カメラ、医用画像、ゲーム等、さまざまな用途で用いられています。
2014年、香港中文大学より、機械学習による超解像が提案されて以来、この分野での研究が今日に至るまで活発に行われています。
本講座では、機械学習による超解像に関する基礎理論、最新の動向、及び、Pythonを用いた実践に関して講義いたします。
- 理論
- 機械学習について
- 歴史
- 基礎理論
- 順伝播型ネットワーク
- 確率的勾配降下法
- 誤差逆伝播法
- CNN;畳み込みニューラルネット
- RNN;再起型ニューラルネット
- 最新の研究
- GAN
- Attention Network
- ネットワークの構造
- モデルの軽量化
- 超解像について
- 歴史
- 基礎となる研究
- 最新の研究動向
- 実践
- 機械学習フレームワーク
- Pythonの基本
- Tensorflowの基本
- 実行環境の構築
- ソースコードの入手
- 実行 (train/deploy)
- GPUによる高速化
- Google Collaboratoryによる実行
- 参考文献・URL