デザイン工学研究科Graduate School of Engineering and Design
HUI500N4（人間情報学 / Human informatics 500）知能情報技術論Intelligent Information Technology
岩月 正見Iwatsuki MASAMI
授業コードなどClass code etc
| 学部・研究科Faculty/Graduate school | デザイン工学研究科Graduate School of Engineering and Design |
| 添付ファイル名Attached documents | |
| 年度Year | 2024 |
| 授業コードClass code | U3106 |
| 旧授業コードPrevious Class code | |
| 旧科目名Previous Class title | |
| 開講時期Term | 春学期後半/Spring(2nd half) |
| 曜日・時限Day/Period | 水3/Wed.3,水4/Wed.4 |
| 科目種別Class Type | |
| キャンパスCampus | 市ヶ谷 |
| 教室名称Classroom name | 各学部・研究科等の時間割等で確認 |
| 配当年次Grade | 1～2 |
| 単位数Credit(s) | 2 |
| 備考（履修条件等）Notes | |
| 実務経験のある教員による授業科目Class taught by instructors with practical experience | |
| 選択・必修Optional/Compulsory | 選択 |
| 入学年度Admission year | |
| カテゴリーCategory |
修士課程 システムデザイン専攻 専門科目 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
In order to make a system intelligent, it is essential for the system itself to have the technology to recognize the external environment and make decisions. In this lecture, we will learn how to program and implement a vision-based method, which is one of the powerful means to realize such recognition technology. By using the open-source computer vision library "OpenCV" and the machine learning library "PyTorch", we will explain how to implement advanced real-time image processing and image recognition applications, as well as programming techniques using these libraries, with hands-on practice.
Students should have a basic understanding of Python language.
Standard preparation and review time for this class is 2 hours each.
Evaluation will be based on in-class exercises and a final presentation.
授業で使用する言語Default language used in class
日本語 / Japanese
授業の概要と目的（何を学ぶか）Outline and objectives
システムを知能化するためには、システム自身が外部環境を認識し、判断する技術が不可欠となる。本講義では、このような認識技術を実現するための強力な手段の一つで視覚による手法の具体的なプログラミング・実装方法について学ぶ。ここでは、オープンソースのコンピュータビジョンライブラリ「OpenCV」と機械学習ライブラリ「PyTorch」を用いることにより、高度なリアルタイム画像処理や画像認識アプリケーションの実装方法とこれらを用いたプログラミング手法を実習を交えながら解説する。
到達目標Goal
OpenCVやPyTorchなどのライブラリを駆使して、高度な画像認識アプリケーションを具体的に実装できるスキルを身につける。
この授業を履修することで学部等のディプロマポリシーに示されたどの能力を習得することができるか（該当授業科目と学位授与方針に明示された学習成果との関連）Which item of the diploma policy will be obtained by taking this class?
デザイン工学部システムデザイン学科ディプロマポリシーのうち、「DP2」に関連
授業で使用する言語Default language used in class
日本語 / Japanese
授業の進め方と方法Method(s)（学期の途中で変更になる場合には、別途提示します。 /If the Method(s) is changed, we will announce the details of any changes. ）
各自，ノートPCとWebカメラを持参し，講義の中で，実際にプログラミングをしながら，画像処理と機械学習の基礎を理解し，様々な機能を実装できるようにする．理解度を把握するため，最終発表会で，各自の作品を披露してもらう．
アクティブラーニング（グループディスカッション、ディベート等）の実施Active learning in class (Group discussion, Debate.etc.)
なし / No
フィールドワーク（学外での実習等）の実施Fieldwork in class
なし / No
授業計画Schedule
授業形態/methods of teaching：対面/face to face
※各回の授業形態は予定です。教員の指示に従ってください。
1[対面/face to face]：Pythonプログラミングの基礎
Google Colaboratoryの使い方とPythonプログラミングの基礎
2[対面/face to face]：OpenCVライブラリの実装と関数解説
OpenCVライブラリの実装方法と関数解説
3[対面/face to face]：画像処理プログラミングの基礎
OpenCVライブラリを用いた画像処理の基礎
4[対面/face to face]：画像処理プログラミング1
画像データへのアクセス手法
5[対面/face to face]：画像処理プログラミング2
オリジナル処理のプログラミング
6[対面/face to face]：インタラクティブな画像処理プログラミング
インタラクティブなインタフェースをもつ動画像処理プログラミング
7[対面/face to face]：PyTorchライブラリの実装と機械学習の基礎
PyTorchライブラリのインストールと機械学(
深層学習）の基礎
8[対面/face to face]：機械学習の基礎と畳み込みニューラルネットワーク
機械学習の仕組みと畳み込みニューラルネットワーク(CNN)の理解
9[対面/face to face]：機械学習プログラミングの基礎
手書き数字データセット"MNIST"を用いた機械学習プログラミング
10[対面/face to face]：画像認識プログラミング1
OpenCVとPyTorchライブラリを用いた顔認識プログラミング
11[対面/face to face]：画像認識プログラミング2
OpenCVとPyTorchライブラリを用いた人体姿勢認識プログラミング
12[対面/face to face]：画像認識プログラミング3
OpenCVとPyTorchライブラリを用いたオブジェクト認識プログラミング
13[対面/face to face]：画像認識プログラミング4
Unity Barracudaを使用したONNXニューラルネットワークモデル
14[対面/face to face]：最終作品発表
これまで学んだことの集大成として最終作品発表
授業時間外の学習（準備学習・復習・宿題等）Work to be done outside of class (preparation, etc.)
Python言語の基本的な文法の理解が必要となる。本授業の準備学習・復習時間は、各2時間を標準とします。
テキスト（教科書）Textbooks
なし
参考書References
資料を配布する予定
成績評価の方法と基準Grading criteria
授業内演習と最終発表により評価する．
学生の意見等からの気づきChanges following student comments
学生の学部時代の履修状況によるスキルの違いにできるだけ配慮して講義を進める。
学生が準備すべき機器他Equipment student needs to prepare
ノートPC