山口大学教務システム - 3262420440-画像認識特論

開講年度	開講学部等
2025	大学院創成科学研究科（博士前期）
開講学期	曜日時限	授業形態	AL（アクティブ・ラーニング）ポイント
後期前半	火3～4	講義	6.5
時間割番号	科目名[英文名]			使用言語	単位数
3262420440	画像認識特論[Advanced Image Recognition]			日本語	1
担当教員（責任）[ローマ字表記]					メディア授業
藤田悠介[FUJITA Yusuke]					ー
担当教員[ローマ字表記]
藤田悠介　[FUJITA Yusuke]
特定科目区分		対象学生		対象年次
ディプロマ・ポリシーに関わる項目			カリキュラムマップ(授業科目とDPとの対応関係はこちらから閲覧できます)

授業の目的と概要

実社会における画像認識の問題について，深層学習以前の画像認識法および深層学習を用いた画像認識法の基本的な原理を理解し，プログラムを作成することができる。

授業の到達目標

・画像認識における特徴抽出について理解する。
・深層学習以前の画像認識法を理解し，ライブラリを使ってプログラムを実装できる。
・深層学習を用いた画像認識法の基本的な原理を理解し，ライブラリを使ってプログラムを実装できる。
・これらの手法の関連，特性や違いを理解し，適切に使い分けることができる。

授業計画

【全体】

画像認識技術の基礎となる画像特徴量について学ぶ。深層学習以前の代表的な手法，および，深層学習モデルを用いた認識モデルの構築法について理解する。
画像認識方法および識別結果の評価方法について学ぶ。講義の内容を踏まえて，演習を行い，報告書を作成する。

	項目	内容	授業時間外学習	備考

第1回	講義の概要の説明，OpenCVの使い方	講義の概要について説明する。 PythonでOpenCVを使った基本的な処理について説明し，演習を行う。	講義の内容を復習（2時間）して，次回の予習（2時間）をする。

第2回

物体検出（テンプレートマッチング），画像特徴量(1)（Haar，Hog）

テンプレートマッチングとその周辺の手法について説明する。
深層学習以前の，顔検出や歩行者検出に用いられる特徴量について説明し，演習を行う。

講義の内容を復習（2時間）して，次回の予習（2時間）をする。

第3回

画像特徴量(2)（SIFT）

SIFT特徴量と関連する手法について説明し，演習を行う。

講義の内容を復習（2時間）して，次回の予習（2時間）をする。

第4回

画像特徴量と一般物体認識

SIFTを使用した一般物体認識の手法やSIFTの応用例について説明し，演習を行います。前半の演習課題を報告書にまとめる。

講義の内容を復習（2時間）して，次回の予習（2時間）をする。レポートを期限までに提出する。

第5回

深層学習を用いた分類モデルの構築と性能評価(1)

深層学習（畳み込みニューラルネットワーク）を用いた画像認識法の概要を説明する。MNISTデータを使った演習により，モデルの構築と性能評価を行う。

講義の内容を復習（2時間）して，次回の予習（2時間）をする。

第6回

深層学習を用いた分類モデルの構築と性能評価(2)

少量のデータセットを使用して，CNNを構築する方法について説明する。画像のデータ拡張と，学習済みのモデルを利用した転移学習について説明し，演習を行う。

講義の内容を復習（2時間）して，次回の予習（2時間）をする。

第7回

深層学習を用いた分類モデルの構築と性能評価(3)

CNNのモデル内部の可視化法について，代表的な手法を紹介する。講義で紹介した手法を演習で確認する。
後半のレポート課題をレポートにまとめる。

講義の内容を復習（2時間）して，次回の予習（2時間）をする。

第8回

総括

演習結果を報告書にまとめる。

講義全体の内容を復習（4時間）する。

※AL（アクティブ・ラーニング）欄に関する注
・授業全体で、AL（アクティブ・ラーニング）が占める時間の割合を、それぞれの項目ごとに示しています。
・A〜Dのアルファベットは、以下の学修形態を指しています。
【A：グループワーク】、【B：ディスカッション・ディベート】、【C：フィールドワーク（実験・実習、演習を含む）】、【D：プレゼンテーション】

A: --%　B: --%　C: 65%　D: --%

成績評価法

各回の小テストとにおける評価（30％）と，2回の演習成果および報告書（70％）で評価する。
出席は欠格条件とし，２回以上の欠席は欠格とする。

教科書にかかわる情報

備考

教科書は、特に指定しない。
必要に応じてプリントを配布する。

参考書にかかわる情報

備考

メッセージ

キーワード

画像処理，画像認識，機械学習，深層学習

持続可能な開発目標（SDGs）

(インフラ、産業化、イノベーション)強靱（レジリエント）なインフラ構築、包摂的かつ持続可能な産業化の促進及びイノベーションの推進を図る。

メディア授業