日本語 English
| 開講年度/ Academic YearAcademic Year |
20242024 |
| 科目設置学部/ CollegeCollege |
人工知能科学研究科/Graduate School of Artificial Intelligence and ScienceGraduate School of Artificial Intelligence and Science |
| 科目コード等/ Course CodeCourse Code |
VR471/VR471VR471 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
|
| 授業形態/ Class FormatClass Format |
オンライン（一部対面）/Online (partially face-to-face)Online (partially face-to-face) |
| 授業形態（補足事項）/ Class Format (Supplementary Items)Class Format (Supplementary Items) |
オンライン（一部対面） |
| 授業形式/ Class StyleCampus |
講義/LectureLecture |
| 校地/ CampusCampus |
池袋/IkebukuroIkebukuro |
| 学期/ SemesterSemester |
春学期/Spring SemesterSpring Semester |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
水5･4404/Wed.5･4404 Wed.5･4404 |
| 単位/ CreditCredit |
22 |
| 科目ナンバリング/ Course NumberCourse Number |
AIR6100 |
| 使用言語/ LanguageLanguage |
日本語/JapaneseJapanese |
| 履修登録方法/ Class Registration MethodClass Registration Method |
科目コード登録/Course Code RegistrationCourse Code Registration |
| 配当年次/ Grade (Year) RequiredGrade (Year) Required |
配当年次は開講学部のR Guideに掲載している科目表で確認してください。配当年次は開講学部のR Guideに掲載している科目表で確認してください。 |
| 先修規定/ prerequisite regulationsprerequisite regulations |
|
| 他学部履修可否/ Acceptance of Other CollegesAcceptance of Other Colleges |
履修登録システムの『他学部・他研究科履修不許可科目一覧』で確認してください。 |
| 履修中止可否/ course cancellationcourse cancellation |
－（履修中止制度なし/ No system for cancellation) |
| オンライン授業60単位制限対象科目/ Online Classes Subject to 60-Credit Upper LimitOnline Classes Subject to 60-Credit Upper Limit |
|
| 学位授与方針との関連/ Relationship with Degree PolicyRelationship with Degree Policy |
各授業科目は、学部・研究科の定める学位授与方針（DP）や教育課程編成の方針（CP）に基づき、カリキュラム上に配置されています。詳細はカリキュラム・マップで確認することができます。 |
| 備考/ NotesNotes |
|
| テキスト用コード/ Text CodeText Code |
VR471 |
This course aims to help the students deepen the understanding of the recognition theory and the algorithm mechanism for various types of data. By understanding the lecture contents, it is prospected to enhance the ability of adaptively applying different modeling techniques and recognition algorithms to real-world tasks.
This course introduces the recognition theory, data modelling technology and the algorithm mechanism for various types of data. The lecture focuses on the introduction of both traditional methods (feature extraction, data modeling and classifier) and deep learning-based technique, and talk about the real applications including image classification, segmentation, object detection, action recognition and anomaly detection. In addition, some advanced techniques based on the recent research and publication would also be explained.
※Please refer to Japanese Page for details including evaluations, textbooks and others.
様々なデータやパターンを認識・理解するため理論的知識、関連技術のメカニズムに関する知識を深める。これによって、データモデリング技術・認識アルゴリズムを実社会の課題に柔軟的に応用する能力を身につける。
This course aims to help the students deepen the understanding of the recognition theory and the algorithm mechanism for various types of data. By understanding the lecture contents, it is prospected to enhance the ability of adaptively applying different modeling techniques and recognition algorithms to real-world tasks.
本授業では様々なデータを認識・理解するため理論知識、モデリング技術を解説する。特に画像を対象にした伝統的認識技術（特徴抽出・モデリング、分類機など）および深層学習手法を説明し、画像認識、セグメンテーション、物体検出、動作認識と異常検知などの応用について紹介する。
様々な認識タスクを実現するための最新の技術・手法を主要な論文や最新論文を元に学ぶと共に、活用するシステムを構築する場合に注意すべき点を事例や議論を交えて解説する。
This course introduces the recognition theory, data modelling technology and the algorithm mechanism for various types of data. The lecture focuses on the introduction of both traditional methods (feature extraction, data modeling and classifier) and deep learning-based technique, and talk about the real applications including image classification, segmentation, object detection, action recognition and anomaly detection. In addition, some advanced techniques based on the recent research and publication would also be explained.
| 1 | 講義ガイダンスおよび「認識」の基本概念・処理フロー |
| 2 | 画像認識：伝統的手法 |
| 3 | 画像認識：伝統的手法->特徴抽出1 |
| 4 | 画像認識：伝統的手法->特徴抽出2 |
| 5 | 画像認識：伝統的手法->分類機 |
| 6 | 顔画像認識：データの統計解析―＞Sparse coding |
| 7 | 顔画像認識：データの統計解析―＞Sparse codingと拡張手法 |
| 8 | 画像認識：深層学習法1 |
| 9 | 画像認識：深層学習法2 |
| 10 | 物体検出：深層学習法1 |
| 11 | 物体検出：深層学習法2 |
| 12 | 画像分割：深層学習法 |
| 13 | 異常検出 |
| 14 | 総括 |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
統計・機械学習・深層学習の基礎や入門知識について復習し、関連知識をよく理解しておくこと。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
レポート1(30%) レポート2(35%) レポート3(35%) |
| 備考 (Notes) | ||
| その他 (Others) | |||||
|---|---|---|---|---|---|
| 適宜授業内で紹介していきます。 |
| その他 (Others) | |||||
|---|---|---|---|---|---|
| 特になし。 |