画像認識・機械学習入門
データの準備と回帰・画像分類から、OpenCVとYOLOによる物体検出、位置関係、カメラ校正、自己位置推定、SLAMの基礎まで学びます。
章
- 第1章画像認識と画像データの基本画像認識の代表的な課題と、画素・解像度・RGBの考え方を学びます。
- 第2章データの準備と学習の仕組みラベル付け、データの分割、CNNの役割、過学習への対処を学びます。
- 第3章公開されている気象データで気温を予測するWeb APIから東京の過去の気象データを取得し、翌日の最高気温を予測する回帰モデルを作って評価します。
- 第4章ニューラルネットワークで衣服の画像を分類するFashion-MNISTを使って畳み込みニューラルネットワークを学習し、未知の画像の分類と誤分類の分析を行います。
- 第5章画像分類の結果を評価する前章の衣服分類の結果を振り返り、混同行列や適合率・再現率を使って間違い方を調べます。
- 第6章OpenCVで画像とカメラを扱うPython環境を準備し、OpenCVで画像の読み込み、色変換、輪郭抽出、カメラ撮影を行います。
- 第7章YOLOで物体を検出する静止画・動画・カメラから複数の物体を検出し、種類、確信度、検出枠の座標を取り出します。
- 第8章物体の位置関係と2次元・3次元の違い検出枠から左右・上下・重なりを求め、画像だけで距離を決められない理由を学びます。
- 第9章カメラを校正して距離推定の準備をするチェッカーボードを撮影し、内部パラメーターとレンズ歪みを求めて校正の品質を確認します。
- 第10章ArUcoとPnPでカメラの自己位置を推定する実寸が分かるマーカーを検出し、マーカーを基準としたカメラの3次元位置と姿勢を求めます。
- 第11章特徴点対応からVO・SLAMへ進む特徴点を対応付ける実習と総合課題を通して、マーカーによる自己位置推定とVO・SLAMの違いを学びます。