Computer Vision

画像処理は，産業・自然科学・エンタテインメントなど，多種多様な分野の発展に関わる非常に重要な技術です．2年生時のデジタルメディア処理では，画像処理の基本である『画像データ構造・画像撮影方法・各種フィルタ・拡大縮小・補間』などについて紹介しました．この内容をさらに発展させ，本科目では，計算機が画像を認識する手法について紹介します．具体的には，画像から目的部分を切り抜く領域分割，画像の特徴を計算機が理解できる形で記述する特徴抽出，および，抽出した特徴を用いて画像を識別するパターン認識について解説します．また，講義後半では，深層学習を用いた画像処理についても紹介します．

本科目にて解説する技術に関して，コーディング可能な深さで理解できるよう，ソースコードを交えながら詳細な技術解説を行ないます．また，Pythonを用いたプログラミング演習を通して画像処理手法のより深い理解を目指します．講義資料は井尻のweb page （takashiijiri.com）に事前にアップロードします．

画像処理・画層認識に関する多様なアルゴリズムの詳細を学ぶ．
また，重要なアルゴリズムについて，実際にプログラミングを行う事で，その挙動に関するより深い理解をするとともに，プログラミング技術の向上も目指す．

1. 領域分割 – 画像の領域分割法について主要なアルゴリズムを説明・実装できる
2. 特徴抽出 – 画像認識に必要な特徴抽出の基礎を説明・実装できる
3. 画像に対するパターン認識（顔認識など）の基礎やアルゴリズムを説明・実装できる

Japanese

1~8回目の講義にて毎回出題する小テスト（50%）と9~14回目の演習似て出題するプログラミング課題（50%）にて成績を評価します。
(*) 小テストでは，領域分割・特徴抽出・パターン認識に関する基本的な用語を問う問題（約30%），基本的な計算問題（約30%），及び，発展的な内容を扱う問題（約30%）を出題します．
(*) 演習課題では，領域分割・特徴抽出・パターン認識に関する基本的な課題（約60%），および，発展的な課題（約40%）を出題します．

プログラミング課題の6割程度（基本的なもののみ）を解答し，画像認識に関するごく基本的な用語の意味やアルゴリズムを理解できていれば60点程度となるように，
プログラミング課題の8割程度（一部発展課題も含む），画像認識に関する用語の意味やアルゴリズムを理解できていれば80点程度となるように，
小テストや課題を設定します．

参考書 : CG-Arts協会（画像情報教育進行委員会）『ディジタル画像処理[改訂新版] 大型本』
本講義のpdf資料・事前動画は，講義一週間前を目処にtakashiijiri.com/classes/ にアップロードします．

シラバスおよびweb pageにて公開される講義資料を閲覧し，学習計画を立ててください．

• 金曜日2限（10:40-12:30）
• 電子メールによる質問を受け付けます．連絡先は，takashiijiri.comを参照のこと．

Non-regionally-oriented course

• Course that cultivates a basic problem-solving skills
• Course that cultivates an ability for utilizing knowledge
• Course that cultivates a basic self-management skills

About half of the classes are interactive

• 4.QUALITY EDUCATION