※本セミナーは開催日が3月4日から変更になりました
1 画像認識技術の概要
1.1 画像認識技術の応用用途
1.2 画像認識のキー技術
2 画像の撮影
2.1 撮影画像
2.2 各種カメラとその特性
2.3 画像処理
2.4 光学系と画像処理の最適化設計
2.5 偏光情報の活用
3 機械学習の基礎と画像認識
3.1 機械学習とは
3.2 機械学習の考え方
3.3 一般的な画像認識AIの処理フロー
3.3.1 学習サンプル
3.3.2 特徴量の設計について
3.3.3 機械学習の種類
3.3.4 性能評価方法
3.4 機械学習による開発のポイント
＊演習問題：少量サンプルテーブルデータの分類問題
4 ディープラーニングの基礎
4.1 応用用途と発展の歴史
4.2 基本形
4.3 学習方法
4.4 層構成
4.5 正則化
4.6 畳み込みニューラルネットワーク
4.7 実行コード解説
4.7.1 テーブルデータ分類例
4.7.2 CNNを用いた画像認識例
4.7.3 ディープラーニングを用いた画像検査例
＊演習問題：ディープラーニングを用いた分類問題
5 様々な画像認識アルゴリズム
5.1 画像認識処理の歴史
5.2 代表的な処理
5.3 少量学習データに対する対応～画像生成、転移学習、ドメイン適応～
＊演習問題：CNNを用いた画像認識問題
6 画像認識技術のアプリケーション例
6.1 鋳造部品の欠陥検査アルゴリズム例
6.2 路面状態認識アルゴリズム例
6.3 転移学習を使った欠陥検査例
7 画像認識と機械学習技術の今後の動向
7.1 AIの急速な発展
7.2 AIの製造業への応用