|
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 | 水 | III | ||||||||||||
| ［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。 |
||||||||||||||||||
| [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］ | ||||||||||||||||||
| (未登録) | ||||||||||||||||||
| ［参考書］ | ||||||||||||||||||
|
||||||||||||||||||
| ［講義項目］ | ||||||||||||||||||
| １．導入，深層学習と自然言語処理 ２．Colab, Python 導入 (実習) ３．Neural Network による分類 (実習) ４．語彙の表現 ５．語彙の表現 (実習) ６．RNN, CNN ７．RNN, CNN (実習) ８．画像認識とは ９．顕著点検出と局所記述子 １０．特徴統合，マッチング，幾何検証 １１．ニューラルネットワークと最適化 １２．畳み込みニューラルネットワーク（CNN） １３．様々なCNNアーキテクチャ １４．CNNの効果的・効率的な学習 １５．教師なし学習，半教師あり学習，物体検出 |
||||||||||||||||||