到達目標
RGB色空間・ＨＳＶ色空間・画像ファイルの構成などについて理解し、説明できる。
光源およびカメラ等のワークについて理解し、説明できる。
画像処理による物体の検出方法について理解し、説明できる。
機械学習およびディープラーニングを用いた画像処理技術について理解し、説明できる。
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 |
| 評価項目1 | RGB色空間・ＨＳＶ色空間・画像ファイルの構成などについて理解し、説明できる。 | RGB色空間・ＨＳＶ色空間・画像ファイルの構成などについて理解できる。 | RGB色空間・ＨＳＶ色空間・画像ファイルの構成などについて理解できない。 |
| 評価項目2 | 光源およびカメラ等のワークについて理解し、説明できる。 | 光源およびカメラ等のワークについて理解できる。 | 光源およびカメラ等のワークについて理解できない。 |
| 評価項目3 | 画像処理による物体の検出方法について理解し、説明できる。 | 画像処理による物体の検出方法について理解できる。 | 画像処理による物体の検出方法について理解できない。 |
| 評価項目4 | 機械学習およびディープラーニングを用いた画像処理技術について理解し、説明できる。 | 機械学習およびディープラーニングを用いた画像処理技術について理解できる。 | 機械学習およびディープラーニングを用いた画像処理技術について理解できない。 |
学科の到達目標項目との関係
教育方法等
概要:
画像から何らかの情報を取り出すために行われる情報工学的処理全般のことを画像処理と呼び、これを用いた様々な情報解析がされている。
人間が周囲の環境や状況を把握するための重要な要素に「視覚」がある。画像処理を用いて、コンピュータやロボットに人間と同様の視覚系（見るという機能）を再現しようとする技術のことをマシンビジョン（コンピュータビジョン）と呼ぶ。
本科目では、動画像に対してのデジタル画像処理手法を理解し，マシンビジョンの基礎的なプログラミング技術を学習する。また、機械学習およびディープラーニングを用いた画像処理技術についても学習する。
授業の進め方・方法:
授業は講義と演習によって行う。
画像処理の対象としては、Webカメラから取得した画像を想定している。
授業の内容として、
入力：カメラ（光学系）の基礎、Webカメラからの動画像取得
処理：基本的な画像処理、物体検出、物体認識
出力：画像・動画像の保存（ファイル）
について、
講義では配布資料を用いて解説する。
演習では、講義で解説した内容に関するプログラミング演習を行う。
演習環境はPython＋OpenCVとする。
注意点:
【成績評価の基準・方法】
試験の成績を７０％、平素の学習状況等（課題・小テスト）を３0%の割合で総合的に評価する。成績評価は中間と期末の各期間の評価の平均とする。学年の評価は後学期末の評価とする。上記の到達目標に対する達成度を試験等において評価する。
【事前・事後学習】
事前学習としては前回学んだ内容とそれに関するプログラミング等について理解して授業に臨むこと。また，事後学習として授業内で指示した課題を提出すること。
【履修上の注意】
この科目を履修するにあたり，2年生のプログラミング基礎、3年生のプログラミング（１）（２）、4年生のデータ解析、5年生の画像処理の内容を十分に理解しておくこと。
授業の属性・履修上の区分
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
| 後期 |
| 3rdQ |
| 1週 |
ガイダンス
マシンビジョンについて |
マシンビジョンの概要について理解できる。
|
| 2週 |
光学系概論 |
光学系（カメラ・レンズ・光源）の基礎について理解できる。
|
| 3週 |
開発環境構築 |
PythonおよびOpenCV環境において、サンプルプログラムを実行することができる。
|
| 4週 |
画像入出力 |
画像の入出力およびピクセルデータにアクセスするプログラムを作成できる。
|
| 5週 |
動画像入出力 |
動画像の入出力およびフィルタ処理プログラムを作成できる。
|
| 6週 |
物体検出プログラミング（１）
－色検出－ |
色情報を用いた物体検出プログラムを作成できる。
|
| 7週 |
物体検出プログラミング（２）
－背景差分－ |
背景差分を利用した動体検出プログラムを作成できる。
|
| 8週 |
物体検出プログラミング（３）
－オプティカルフローと特徴点－ |
特徴点について理解し、オプティカルフローによる動体検出プログラムを作成できる。
|
| 4thQ |
| 9週 |
物体検出プログラミング（４）
－特徴点マッチング－ |
特徴点マッチングによる物体検出プログラムを作成できる。
|
| 10週 |
物体検出プログラミング（４）
－テンプレートマッチング－ |
テンプレートマッチングによる物体検出プログラムを作成できる。
|
| 11週 |
機械学習プログラミング（１）
－機械学習について－ |
機械学習について理解し、説明できる。
|
| 12週 |
機械学習プログラミング（２）
－検出器の作成－ |
機械学習を用いて、検出器を作成できる。
|
| 13週 |
機械学習プログラミング（３）
－検出器による物体検出－ |
作成した検出器を用いた物体検出プログラムを作成できる。
|
| 14週 |
Deep Learningプログラミング（１）
－Deep Learingについて－ |
OpenCVを用いたDeep Learingプログラムを作成できる。
|
| 15週 |
Deep Learningプログラミング（２）
－文字認識－ |
OpenCVを用いたDeep Learingプログラムを作成できる。
|
| 16週 |
|
|
モデルコアカリキュラムの学習内容と到達目標
| 分類 | 分野 | 学習内容 | 学習内容の到達目標 | 到達レベル | 授業週 |
| 専門的能力 | 分野別の専門工学 | 情報系分野 | その他の学習内容 | 少なくとも一つの具体的なコンピュータシステムについて、起動・終了やファイル操作など、基本的操作が行える。 | 4 | |
| 少なくとも一つのメールツールとWebブラウザを使って、メールの送受信とWebブラウジングを行うことができる。 | 4 | |
| メディア情報の主要な表現形式や処理技法について説明できる。 | 4 | |
| ディジタル信号とアナログ信号の特性について説明できる。 | 4 | |
| 情報を離散化する際に必要な技術ならびに生じる現象について説明できる。 | 4 | |
評価割合
| 試験 | 課題 | 合計 |
| 総合評価割合 | 60 | 40 | 100 |
| 基礎的能力 | 30 | 20 | 50 |
| 専門的能力 | 30 | 20 | 50 |
| 分野横断的能力 | 0 | 0 | 0 |