2025年度 (最新) 学院等開講科目情報理工学院数理・計算科学系知能情報コース

コンピュータビジョン基礎

開講元: 知能情報コース
担当教員: 井上中順 / 佐藤育郎
授業形態: 講義
メディア利用科目: -
曜日・時限 (講義室): 火3-4 (M-B43(H106)) / 金3-4 (M-B43(H106))
クラス: -
科目コード: ART.T475
単位数: 200
開講時期: 2025年度
開講クォーター: 1Q
シラバス更新日: 2025年4月2日
使用言語: 英語

シラバス

授業の目的（ねらい）、概要

コンピュータビジョンとは計算機を使って画像や動画から有用な情報を抽出するための技術の総称である．本講義では、基礎的な画像処理をはじめとして，画像認識や画像生成などに関する方法を学ぶ．特に，これらの分野に関する深層学習技術について，授業と演習を通じて理解を深めていく．

到達目標

・フィルタリグ，トラッキングに関する手法を説明でき，かつ実装できる．
・画像認識，画像生成に関する基礎的な概念についての説明ができる．
・深層学習のライブラリを用いて実践的にコンピュータビジョンモデルを活用できる．

実務経験のある教員等による授業科目等

実務経験と講義内容との関連 (又は実践的教育内容)

自動車関連企業において，物体追跡，画像検索，画像認識，画像分割，三次元復元などのコンピュータビジョン技術の研究開発を行ってきた（佐藤）．

キーワード

フィルタリング，トラッキング，深層学習，画像認識，画像生成

学生が身につける力

専門力
教養力
コミュニケーション力
展開力 (探究力又は設定力)
展開力 (実践力又は解決力)
コンピュータビジョン分野の基礎的な内容とその実装方法について理解する。

授業の進め方

講義資料（スライド）とサンプルプログラムを用いて講義する．

授業計画・課題

	授業計画	課題
第1回	画像処理	撮像，幾何変換，再標本化，符号化
第2回	フィルタリング	空間フィルタリング，周波数フィルタリング，テンプレートマッチング
第3回	フィルタリング演習	MATLABによるフィルタリングアルゴリズムの実装
第4回	物体追跡	カルマンフィルタ，粒子フィルタ
第5回	物体追跡演習	MATLABによる物体追跡アルゴリズムの実装
第6回	画像検索	局所特徴量，近似最近傍探索
第7回	深層学習の基礎	深層ニューラルネットワークの基礎
第8回	画像分類	畳み込みニューラルネットワーク
第9回	損失関数と最適化	学習方法の基礎
第10回	画像分類演習	畳み込みニューラルネットワークの実装
第11回	物体検出	領域提案ネットワーク
第12回	画像セグメンテーション	全層畳み込みネットワーク
第13回	画像生成	敵対的学習
第14回	総合演習	深層学習の応用

準備学修(事前学修・復習)等についての指示

学修効果を上げるため，教科書や配布資料等の該当箇所を参照し，「毎授業」授業内容に関する予習と復習（課題含む）をそれぞれ概ね100分を目安に行うこと。

教科書

なし．

参考書、講義資料等

R. Szeliski, Computer Vision: Algorithms and Applications, 2nd Ed., Springer, 2022.
I. Goodfellow, Y. Bengio, and A. Courville, Deep Learing, MIT Press, 2016.
D. Foster, Generative Deep Learning, O'Reilly Media, 2019.

成績評価の方法及び基準

プレゼンテーションビデオ（100%）

履修の条件・注意事項

学部卒レベルの計算機科学ならびに線形代数・微積分・確率統計の知識があること．

オフィスアワー

各授業後．