NCES Education Program

IoT環境における画像処理・理解技術（愛媛大学提供科目）

お申込みは↓のボタンから

募集は締め切りました

科目名 IoT環境における画像処理・理解技術（愛媛大学提供科目）
開講日 ［e-Learning］ 2024年6月10日（月曜日）～2024年7月5日（金曜日）
［対面講義］　2024年7月6日（土曜日）
開講時間 ［e-Learning］ 6時間程度の動画コンテンツを期間内に視聴
［対面講義］　9時30分から17時00分　（9時00分開場，集合時刻9時15分）
受講申込期間 2024年4月1日（月曜日）～2024年5月26日（日曜日）
受講料 60,000円（税込）
enPiT-Pro Embの「名古屋大学車載組込みシステムコース」の履修者は，コース受講料に含まれますので科目単位では請求しません．
定員（先着順） 20名
会場 名古屋大学ナショナル・イノベーション・コンプレックス（ＮＩＣ）館3階催 大会議室（アクセス）
講師 木下浩二（愛媛大学），一色正晴（愛媛大学）
講師は都合により変更する場合があります．
講座概要 近年，製造業やセキュリティ分野において，カメラで映像を取得してIoT技術で解析する技術の導入が広まりを見せています．それにともない，これまで人の目で行っていた検査や確認などの工程が自動化され，さらには，取得したデータをクラウドで解析するシステムが構築され始めています．この科目では，このようなシステムを構築するために必要となる，画像処理ならびに機械学習の技術を習得することを目的とします．

オンデマンド講義では，画像処理および画像からの特徴抽出の基礎，機械学習の原理を学び，サンプルプログラムを動かしながら学んだ知識を定着させます．

オンライン講義では，オンデマンド講義で学んだ技術を用いて，実データを利用した画像処理・画像認識に関する課題を解決するプログラムを作成します．実習は，２から３人で構成されるチームで協力して行います．

プログラムの作成はGoogle Colaboratoryで行います．使用する言語はPythonで，画像処理ライブラリのOpenCV，機械学習ライブラリのscikit-learn，深層学習用フレームワークのKeras/Tensorflowを使用します．
実習機材・他 ・演習用 PC（Windows）およびエッジコンピュータ（Jetson Nano）を開催者側で用意します．
・ご自身のノート PC でも受講可能です．OS の種類やバージョンは問いませんが，ブラウザ（Google Chrome 推奨）のインストールが必要です．Google Colaboratoryも用いて演習を行いますので，Google アカウントが必要です．
（e-Learning開始前に開催者側にて発行・お知らせします．）
・本科目のテキストは，Web配布となります．受講者には事前にダウンロード方法をご案内します．
到達目標 画像の前処理（コントラストの調整，ノイズ除去等）の原理を説明，実装できる
画像を理解するための特徴（エッジや形状特徴）を抽出する方法を説明，実装できる
サポートベクターマシンによる画像識別を行う識別器を実装し，評価できる
畳み込みニューラルネットワークによる物体識別や物体検出の方法を説明，実装できる
対象者 画像処理技術や機械学習の技術を体系的に学び，演習を通してその技術を習得したい方
前提条件 大学初年次で学ぶ数学に関する基礎的な知識
プログラミングに関する基礎的な知識
講義計画 オンデマンド講義：
1. イントロダクション
・事例紹介，ディジタル画像の構造
2. 画像処理の基礎
・階調変換，空間フィルタリング，色変換
3. 画像の二値化と特徴抽出
・画像の二値化，モルフォロジー演算，ラベリング，図形の形状特徴
4. サポートベクターマシンと手書き文字認識
・機械学習の基礎，サポートベクターマシン，識別器の評価方法
5. 深層学習：CNNと物体検出
・畳み込みニューラルネットワーク，物体検出の原理

対面講義：
実画像を利用した画像処理と深層学習のプログラム演習．
オンデマンド講義で学んだ技術を使って，画像から特定の物体を検出・識別する課題に取り組みます．
評価方法 enPiT-Pro Embの「名古屋大学車載組込みシステムコース」履修者がこの科目を受講した場合の修了認定基準は，次のとおりです．
修了テストとオンライン講義で作成したプログラムで評価します．
全時間数を出席していること，出席時間が必要条件に満たない場合は受講認定しない．
これまでに受講された方々の声 画像認識 (機械学習との組み合わせ)は、気になっていたものの余り関係性がなく、新しい知識の習得として受講させていただきました。基本的な考え方から講義いただき、稚拙な質問にも親身に回答してもらうことができ、導入としても有意義だったと感じています。
実装してみて動かしてみて見えてくるところも多いとは感じたので、復習やできなかった演習にチャレンジしてみようと思います。機械学習・人工知能というと、入力したら、出力が出てくる、でもブラックボックスみたいな世界だったので、少し中身を感じられた気がしました。講義をきっかけに継続して学んでいきたいです。
基本的な画像処理技術から、話題の深層学習まで一連の流れを知ることができたことがよかった。
思っていたよりも画像処理・認識の理論と方法が難しくなかったことに驚いた。 仕事だけでなく、プライベートでも画像処理をやってみたい。

＊enPiT-Pro Embの講義について語っていただいた，受講者の声（インタビュー形式）はこちらから．
備考 本科目の一部は，組込みシステム基礎コース「IoT環境における画像処理・理解技術基礎」の内容と重複します．
お申込みや開講に関わる諸条件は，公開講座開講規約のページをご覧ください．