基本情報/Basic Information

開講科目名 ／Course	画像認識特論／Image Recognition
時間割コード ／Course Code	S262000028
ナンバリングコード ／Numbering Code
開講所属 ／Course Offered by	理工学研究科／Graduate School of Science and Technology (Master’s Course)
曜日コマ ／Day, Period	金　4
開講区分 ／Semester offered	後期／second semester
単位数 ／Credits	2.0
学年 ／Year	1,2
主担当教員 ／Main Instructor	藤本　健二／FUJIMOTO KENJI
科目区分 ／Course Group	大学院（博士前期課程）　専門科目
教室 ／Classroom
必修・選択 ／Required/Elective	選択
授業形式 ／Class Format	講義科目
メディア授業 ／Media lecture	－

担当教員情報/Instructor Information

教員名 ／Instructor	教員所属名 ／Faculty/Department
藤本　健二／FUJIMOTO KENJI	理工学研究科／Graduate School of Science and Technology (Master’s Course)

難易度（レベル） ／Level	レベル5
対応するＤＰ ／DP	DP1・DP2・DP3
授業としての具体的到達目標 ／Concrete arrival target as the class	・画像認識に関する基礎理論から最新の深層学習手法（CNN，Vision Transformer，物体検出・セグメンテーション手法等）までを体系的に理解し，それぞれの方法の特徴や適用範囲を説明できる能力を身に付ける．（DP1） ・画像認識技術の発展的手法（自己教師あり学習，基盤モデル，生成モデル等）について，性能・計算コスト・実用性といった観点から比較・評価し，技術の高度化と多様化に応じて適切な手法選択や課題設定ができる力を身に付ける．（DP2） ・画像認識モデルを構築・評価し，実験結果を基にその妥当性や限界を論理的に考察できる能力を修得する．（DP3）
授業の概要 ／Summary of the class	画像からその内容を自動的に抽出・理解する画像認識技術は，自動運転，監視カメラによる異常検出，医用画像解析，産業検査など，幅広い分野で重要な役割を果たしています．本講義では，画像認識の基礎となる画像特徴抽出の考え方から出発し，画像分類，物体検出，セマンティック・インスタンスセグメンテーション，物体追跡といった主要なタスクについて体系的に学びます．具体的には，畳込みニューラルネットワーク（CNN）を中心とした深層学習手法を基盤として，Vision Transformer や Transformer を用いた物体検出手法などの近年の発展的手法についても概説し，それぞれの特徴や適用上の利点・限界を理解することを目指します．講義後半では，既存のライブラリを用いた演習を通じて，画像認識モデルの構築・評価を体験します．
授業の内容予定 ／Contents plan of the class	第1回 ガイダンス・イントロダクション（画像認識の概要と応用分野） 第2回 デジタル画像の基礎と前処理 第3回 古典的画像特徴量 第4回 機械学習による画像分類（CNN 以前） 第5回 畳込みニューラルネットワーク（CNN）の基礎 第6回 CNN の発展と設計原理 第7回 画像分類の実践的手法 第8回 物体検出 (1) 第9回 物体検出 (2) 第10回 セグメンテーション 第11回 物体追跡 第12回 自己教師あり学習と基盤モデル 第13回 演習 (1) 準備と画像認識の基礎 第14回 演習 (2) 画像分類モデルの構築と評価 第15回 演習 (3) 画像認識システムの設計，実装，評価 なお，授業の進行状況等により，講義内容や演習内容に変更を加える場合があります．
成績評価方法及び採点基準 ／A scholastic evaluation method and marking standard	平常評価（授業への参加度）：50% 期末評価（演習課題レポート）：50% これらを合算して最終的な成績評価を行う予定です． 生成 AI の利用については「補助的利用のみ可」とし，情報収集，実装時の参考，文章表現の検討など補助的な目的に限り生成 AI の利用を認める．レポートの作成や考察を生成 AI に代行させることは禁止する。
予習及び復習等の内容 ／Contents such as preparations for lessons and the review	予習については授業中に指示します．復習については毎回の授業内容を振り返り，不明な点は担当教員に質問してください．
教材・教科書 ／The teaching materials, textbook	特に指定しません．スライド資料を配布します．
参考文献 ／bibliography	原田達也著，機械学習プロフェッショナルシリーズ：画像認識，講談社，2017． 田村秀行，斎藤英雄編著，コンピュータ画像処理，オーム社，2022． 菅沼雅徳著，深層学習による画像認識の基礎，オーム社，2024．
留意点・予備知識 ／Point to keep in mind, back ground	特になし．ただし，本講義では深層学習を用いた画像認識を扱うため，線形代数および確率・統計の基礎的事項を理解していることが望ましいです．また，演習で用いる Python については授業で補足するので予習は必須ではありませんが，基礎を身に付けておくとスムーズに取り組むことができます．
授業内容に関する質問・疑義等 ／Question, doubt about class contents	オフィスアワーは木曜日 17:00-18:00 です．それ以外の時間であっても，質問があれば教員研究室（理工学部 1 号館 416 室）までお気軽にお越しください．事前にメール等でご連絡いただくとより確実です．
Eメールアドレス・HPアドレス ／E-mail address, HP address	k-fujimt@hirosaki-u.ac.jp
学問分野1（主学問分野） ／Discipline 1	J61:人間情報学およびその関連分野
学問分野2（副学問分野） ／Discipline 2	J62:応用情報学およびその関連分野
学問分野3（副学問分野） ／Discipline 3	該当なし
地域志向科目 ／Local intention subject	なし
授業形態・授業方法 ／Class form, class method	講義および演習
科目ナンバー ／The subject number	MS-5-4019-J61
メディア授業による著作物利用の有無について ／Whether or not copyrighted works are used in media classes	無／Nothing
その他 ／Others	特になし
対応する汎用的スキル１ ／Transferable Skill1	有
対応する汎用的スキル２ ／Transferable Skill2	有
対応する汎用的スキル３ ／Transferable Skill3	無
対応する汎用的スキル４ ／Transferable Skill4	無
対応する汎用的スキル５ ／Transferable Skill5	無

No.	回（日時） ／Time (date and time)	主題と位置付け（担当） ／Subjects and instructor's position	学習方法と内容 ／Methods and contents	備考 ／Notes
該当するデータはありません