ロボットビジョン / Robot Vision

単位数: 2. 担当教員: 岡谷 貴之. 開講年度: 2024. 開講言語: FY2023: Japanese FY2024: English.

授業の目的・概要及び達成方法等

Google Classroomのクラスコードは工学研究科Webページ
https://www.eng.tohoku.ac.jp/edu/syllabus-g.html
（大学院シラバス・時間割・履修登録）にて確認すること。

コンピュータビジョンの様々な問題とその解決方法を説明する．問題とは，物体やシーンを撮影した画像から，それらに関する何らかの情報，例えばシーンの３次元形状や物体のカテゴリ名などを推定する逆問題のことである．関連する基本的概念を説明した上で，コンピュータビジョンの問題への複数のアプローチの方法を，特に深層学習による方法を中心に解説する．

授業の目的・概要及び達成方法等(Ｅ）

The class code for Google Classroom can be found on the Web site of the School of Engineering:
https://www.eng.tohoku.ac.jp/english/academics/master.html (under "Timetable & Course Description")

This course explains various problems of computer vision and their solutions. The problems are basically inverse-problems in which we wish to estimate some information about an object or a scene from their image(s), such as the categories of objects and the three-dimensional shape of a scene. Students will first learn a series of fundamental concepts, and then study a number of approaches to the problems of computer vision, where the main focus is on deep learning methods.
Google Classroom class code: miblimm

授業計画

1. コンピュータビジョンとは
2. ニューラルネットワークの基本設計
3. ニューラルネットワークの学習：基礎編
4. ニューラルネットワークの学習：発展編
5. 畳み込みニューラルネットワーク：基礎編
6. 畳み込みニューラルネットワーク：発展編
7. 畳み込みニューラルネットワーク：応用
8. ニューラルネットワークの可視化
9. 少データからの学習Ⅰ
10. 少データからの学習Ⅱ
11. 教師なし学習と生成モデル
12. その他の学習方法と関連する話題
13. その他のデータ型のためのネットワークⅠ
14. その他のデータ型のためのネットワークⅡ
15. まとめ

授業計画(Ｅ）

1. What is computer vision?
2. Basic design of neural networks
3. Training of neural networks: basics
4. Training of neural networks: advanced
5. Convolutional neural networks: basics
6. Convolutional neural networks: advanced
7. Convolutional neural networks: applications
8. Visualization of neural networks
9. Training from small-size data I
10. Training from small-size data II
11. Unsupervised learning and generative models
12. Other training methods
13. Networks for other types of data I
14. Networks for other types of data II
15. Summary

授業時間外学習

予習：講義のウェブページを通じて配布される資料に事前に目を通しておくこと．
復習：講義の内容を踏まえて配布資料を読み返し，提供されたコードを自分で実行し，講義で説明された技術に関する理解を深める

授業時間外学習（Ｅ）

Preparation: Students must read in advance the handouts distributed through the web page of this lecture.
Review: Students must review the handouts based on the content of the lecture, run the provided code themselves, and deepen their understanding of the methods/techniques explained in the lecture.

成績評価方法及び基準

レポートの評価に基づく．

成績評価方法及び基準(Ｅ）

Submitted reports are evaluated.

教科書および参考書

オフィスアワー

随時

オフィスアワー（Ｅ）

Anytime