応用画像工学

科目基礎情報

学校	大島商船高等専門学校	開講年度	令和05年度 (2023年度)
授業科目	応用画像工学
科目番号	0061	科目区分	専門 / 選択
授業形態	授業	単位の種別と単位数	学修単位: 2
開設学科	電子・情報システム工学専攻	対象学年	専1
開設期	後期	週時間数	2
教科書/教材	自作教材 / 補助教科書　画像認識（原田達也：講談社）、ディジタル画像処理（CG-ARTS協会）
担当教員	松村 遼

到達目標

(1)画像認識に関する様々な技術とその原理を理解し説明できる。
(2)画像認識システムを構築できる能力を身に付ける。

ルーブリック

	理想的な到達レベルの目安	標準的な到達レベルの目安	未到達レベルの目安
到達目標1	ディジタル画像の基礎知識及び画像認識技術で必要となる基礎知識について理解し説明できる。画像認識技術がどのようなものか理解し説明でき，応用事例について説明できる。	ディジタル画像の基礎知識及び画像認識技術で必要となる基礎知識について理解できる。画像認識技術がどのようなものか理解できる。	ディジタル画像の基礎知識及び画像認識技術で必要となる基礎知識について理解できない。画像認識技術がどのようなものか理解できない。
到達目標2	特徴抽出に用いられる手法について，その原理を理解し説明できる。機械学習法について，その原理を理解し説明できる。	特徴抽出に用いられる手法について，その原理を理解できる。機械学習法について，その原理を理解できる。	特徴抽出に用いられる手法について，理解できない。機械学習法について，理解できない。

学科の到達目標項目との関係

JABEE J(05) （基礎的かつ複合的な工学専門知識（設計・システム系，情報・論理系，材料・バイオ 系，力学系，社会技術系の科目群）を修得し，具体的な工学問題の解決に応用できる）

本校 (1)-c （探究心を養い，身体を鍛え，先人の遺産を学び，新技術を創造できる能力を育成する。）

専攻科 (5)-b （電子・情報システムに関する高度な研究開発ができる実践的開発技術者の育成。）

教育方法等

概要:

本講義では画像工学に関する応用技術として，画像認識技術を取り上げる。画像認識技術はセキュリティシステムや車載システムなど様々な分野での応用が進み，主要な技術の一つとなってきている。講義では主に，画像認識技術で必要となる基礎知識や上記技術で重要な役割を担う「特徴抽出」「機械学習」について解説し，さらに最新の研究動向，実用化動向についても解説する。また，基礎理解を助けるため，講義初期に画像工学基礎の復習を行う。

授業の進め方・方法:

自作教材を中心に講義を行う。理解を助けるためレポートを課す。

注意点:

情報工学科本科の画像工学（3年次）を履修しておくことが望ましい。

授業の属性・履修上の区分

遠隔授業対応

授業計画

		週	授業内容	週ごとの到達目標
後期
	3rdQ
		1週	画像工学基礎	画像のディジタル化と様々な画像形式について理解し説明できる。
		2週	基礎知識　表色系と色空間 　　　　　画像の性質を表す諸量	RGB，HSV色空間と画像の性質を表す諸量について理解し説明できる。
		3週	基礎知識　画素ごとの濃淡変換 　　　　　空間フィルタリング	画素ごとの濃淡変換と空間フィルタリングについて理解し説明できる。
		4週	基礎知識　幾何学的変換	画像の幾何学的変換について理解し説明できる。
		5週	画像認識技術の概要	画像認識技術がどのようなものか説明でき，応用事例を説明できる。
		6週	物体の認識　一般物体認識と特定物体認識	一般物体認識と特定物体認識がどのようなものか説明できる。
		7週	特徴抽出の概要	特徴抽出がどのようなものか，画像認識技術における役割について説明できる。
		8週	特徴抽出(1)　物体認識に有効な特徴量	物体認識に有効な特徴量について理解し説明できる。
	4thQ
		9週	特徴抽出(2)　物体認識に有効な特徴量	物体認識に有効である，画像全体に着目した特徴量について理解し説明できる。
		10週	特徴抽出(3)　物体認識に有効な特徴量	物体認識に有効である，画像の局所領域に着目した特徴量について理解し説明できる。
		11週	機械学習の概要	機械学習がどのようなものか，画像認識技術における役割について説明できる。
		12週	機械学習(1)　パーセプトロン、ニューラルネットワーク	パーセプトロン、ニューラルネットワークについて理解し説明できる。
		13週	機械学習(2)　ブースティング	ブースティングのうち，Adaboost及びReal Adaboostについて理解し説明できる。
		14週	機械学習(3)　深層学習	深層学習の１つであるConvolutional Neural Networkの概要について理解し説明できる。
		15週	研究動向，実用化動向解説	最新の研究動向，実用化動向について説明できる。
		16週	期末試験

評価割合

	試験	レポート	合計
総合評価割合	80	20	100
基礎的能力	0	0	0
専門的能力	80	20	100
分野横断的能力	0	0	0