NEP|名古屋大学組込みシステム人材育成プログラムNEP|名古屋大学組込みシステム人材育成プログラム

IoT環境における画像処理・理解技術（愛媛大学提供）［e-Learning＋Zoom］

お申込みは↓のボタンから

application

開講日 ［e-Learning］ 2023年06月01日（木曜日）～2023年06月30日（金曜日）
［Zoom講義］　2023年07月01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
［Zoom講義］　09時30分～17時00分 （9時00分開場）
受講申込期間 2023年05月14日（日曜日）24時まで
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） 40名
会場・留意事項 ・本科目は，オンデマンド（e-Learning）とオンライン（Zoom）講義を組み合わせて行います．
・テキストは，受講者に事前に送付します．

【オンデマンド（e-Learning）講義】
・Google Classroomを用いて，事前学習コンテンツを視聴します．
・受講期間内ならば何度でも視聴できます．
・質問がある場合はGoogle ClassroomのQ＆A掲示板で対応します．
　必要があればZoomのライブ講義の際にも解説します．
・修了テストはGoogle Classroomで実施します．

--- 注意 ---
会社がGoogleサービスへのアクセス制限をかけている場合は，社内ネットワーク経由での受講ができません．
その場合は，自宅のネットワークを用いて受講してください．

【オンライン（Zoom）講義】
・実習環境をご自身でご用意頂く必要があります．
　下欄の「実習機材」の欄をお読み頂き，事前に演習環境を整備してください．
・必要な機材は，PC，ヘッドセット，通信環境です．カメラは任意です．
　詳しくは，こちらでご確認ください．
・https://zoom.us/test　でZoomの基本動作を確認できます．
・オンライン講義実践ガイドは，http://enpit-pro-emb.jpをご参照ください．
・質疑応答やグループワークはZoomで実施します．
・ネットワークトラブルにより受講ができなかった受講者には，後日に録画データを配信します．
・インターネット回線（モバイルルーター含む）は，通信容量制限や速度制限のない契約プランでご使用ください．
　制限を超えると画像が映らない，音声が途切れる等のトラブル発生の可能性があります．
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．

＊こちらのオンライン講義実践ガイドページから，過去の講座概要がご覧いただけます．
実習機材 注意：
講義中に演習を行います．下記「演習環境の構築」で＜必須＞と書かれている部分を用意ができない場合は，演習ができません．お申し込み時にご確認下さい．

演習環境の構築
１．Google Chrome（Google ColaboratoryでPython演習をします）
(a)Googleアカウントを取得していること．＜必須＞
(b)GoogleアカウントでGoogle Chromeにログインしていること．＜必須＞
(c)Google Colaboratory が動作すること．＜必須＞
 (Step1)
  以下のページを読み込む．
  https://colab.research.google.com/notebooks/intro.ipynb?hl=ja
 (Step2)
  「はじめに」に書かれている「上記のセルのコードを実行するにはセルをクリックして選択し、
  コードの左側にある実行ボタンをクリックする」を行い，実行結果　86400　が表示されることを
  確認します．

２．演習プログラム
演習で使用するプログラムはGoogleドライブで共有します．
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
オンライン講義：
オンデマンド講義で学んだ画像処理および機械学習・深層学習の技術を用いて，実データに対する画像認識プログラムを作成します．
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。

      • ＊こちらのオンライン講義実践ガイドページから，受講者の皆様から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）がご覧いただけます．
    備考
    ページのトップへ戻る