|
授業科目名
|
担当教員
|
|||||||||||||
|
言語・画像メディア処理特論
|
福本 文代／大渕 竜太郎
|
|||||||||||||
|
時間割番号
|
単位数
|
コース
|
履修年次
|
期別
|
曜日
|
時限
|
||||||||
| GTK511 | 2 | (未登録) | 1 | 前期 | 月／火 | I／IV | ||||||||
| ［概要と目標］ | ||||||||||||||
| 本授業では、テキスト、及び2次元画像の解析に焦点をあて、統計的言語モデル、深層学習、画像処理などを用いて実現する方法を学ぶ。 (オムニバス方式/全15回） (福本文代/7回）（大渕竜太郎/8回） 授業前半は、テキストの解析とその応用として分類問題に焦点を充てる。近年主流となっている深層学習を用いた手法も解説する。 授業後半は画像などのビジュアル情報の解析に焦点を充てる。具体的には、画像処理や機械学習（深層学習（ディープラーニング）を含む）の手法を組み合わせ、2次元画像データから特徴を抽出し、この特徴に基づいて画像や画像中の物体を識別する技術を中心に学ぶ。後半では、原田達也「画像認識」（ISBN978-4-06-152912-0）をテキストとして用い、深層学習関連のプログラミングを含む演習課題を交えてまなぶ。 |
||||||||||||||
| [到達目標] | ||||||||||||||
|
１．テキストを解析する手法を理解し説明できる。 ２．深層学習によるテキスト解析、分類手法を理解し説明できる。 ３．画像を解析する手法を理解し説明できる。 ４．手作り局所特徴の統合，および深層学習の2つのアプローチによる簡単な画像識別手法を実装できる。 |
||||||||||||||
| ［必要知識・準備］ | ||||||||||||||
| 線形代数、微積分学などの数学、プログラミングのスキル、アルゴリズムとデータ構造に関する知識が必要である。また、画像の表現やその基本的なフィルタリングの基礎知識を持っていることが望ましい。また，クラスタリング、サポートベクトルマシン，ニューラルネットワークなどの機械学習の基礎知識があるとよい。 後半の課題ではプログラミング言語としてPhtyonまたはC++を想定する。（Pythonは未経験でも、Java、C++などの言語によるプログラミングスキルがあれば、本授業で使う程度のPython言語は自習できるはず。） |
||||||||||||||
| ［評価基準］ | ||||||||||||||
|
||||||||||||||
| ［教科書］ | ||||||||||||||
| ［参考書］ | ||||||||||||||
| (未登録) | ||||||||||||||
| ［講義項目］ | ||||||||||||||
| １．形態素解析とそのアルゴリズム ２．構文解析（構文木、文脈自由文法、CKY） ３．構文解析 (チャート法、決定木学習） ４．深層学習による語の表現 ５．深層学習による文の解析 ６．深層学習による感情分析 ７．深層学習による文の分類 ８．画像認識とは ９．テンプレートと空間フィルタ １０．顕著点検出 １１．局所記述子 １２．コーディングとプーリング １３．分類 １４．畳み込みニューラルネットワーク １５．物体検出 |
||||||||||||||