1 機械学習による画像認識
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識別器について解説します。また、多クラス識別器である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。
1.1 Haar-like特徴と顔検出
1.2 AdaBoostのアルゴリズム
1.3 Random Forest
1.4 Random Forestを用いた距離画像からの人体姿勢推定
2 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。
2.1 深層学習の現在
2.2 畳み込みニューラルネットワーク
2.3 CNNによる画像認識
2.3.1 一般物体認識（画像分類）
2.3.2 物体検出
2.3.3 セマンティックセグメンテーション
2.4 マルチタスク
3 Explainable AI
AIによる判断の根拠を説明するXAI(XAI: eXplainable AI)が注目されています。 深層学習がどのように認識しているかその判断根拠の可視化方法とその活用事例について紹介します。
3.1 従来の機械学習における判断根拠の解析
3.2 深層学習における判断根拠の解析
3.3 アテンションマップによる視覚的説明