チュートリアル講演会
「Kinect等の色距離センサを用いた点群処理と3D物体認識」「ROSによるロボットソフトウェアの開発」「Pythonによる機械学習」「光伝播計測に基づくシーン解析」「背景差分法」をテーマに、第一線でご活躍の講師陣が基礎技術から応用事例までをわかりやすく解説いたします。また、チュートリアル講演会の終了後には質問ブースで講師陣と交流できます。
講演会のスライド
一部のご講演のスライドはSlideShare等で公開予定です。 ご講演スライドのうち以下の講演は公開されています。
TS1, TS2-1, TS2-2
Kinect等の色距離センサを用いた点群処理と3D物体認識
-ベーシックな手法と最新動向・ソフトウェアの紹介-
TS1: 6月8日(水) 9:45-11:15 (メインホール)
講師: 金崎 朝子氏 (産業技術総合研究所)
2008年 東京大学工学部卒業。2010年 同大 大学院情報理工学系研究科 修士課程修了。2013年 同大 大学院同研究科 博士課程修了、博士（情報理工学）。(株)東芝研究開発センター、同大 大学院同研究科 助教を経て、2016年より産業技術総合研究所人工知能研究センター勤務。機械学習を用いた三次元物体認識、物体検出の研究に従事。IEEE RAS Japan Chapter Young Award、 PRMU研究奨励賞、船井研究奨励賞、RSJ研究奨励賞を受賞。
概要:
Kinectセンサの登場以来、色距離センサを用いた点群処理や3D物体認識の敷居が下がり、様々な研究分野で使用されるようになりました。しかしながら、点群処理や3D物体認識を扱うツールはまだまだ一般的でなく、ノウハウが確立していないように思います。本チュートリアルではベーシックな3Dデータ処理から3D研究の最新動向までを振り返るとともに、すぐに使えるツールの解説とデモ、オープンソースソフトウェアの紹介等を行います。
こんな方にお薦め
- PCL等のライブラリや便利なツールを知りたい方
- 三次元復元等の処理を簡単に試したい方
- 3D物体認識の研究分野を知りたい方
ROSによるロボットソフトウェアの開発
-ロボット用基本ソフトウェアROSの基礎からビジョン技術導入の事例まで-
TS2-1: 6月8日(水) 11:30-12:15 (メインホール)
講師: 山内 悠嗣氏 (中部大学)
2012年 中部大学大学院 工学研究科 博士後期課程修了。博士(工学)。 2010年〜2012年 独立行政法人 日本学術振興会特別研究員(DC2)。 2012年〜2014年 中部大学院 博士研究員。 2014年より中部大学 工学部 ロボット理工学科 助手。 現在は画像認識、ロボットビジョン、システムインテグレーションの研究に従事。 電子情報通信学会 情報システム・ソサイエティ論文賞受賞、情報処理学会 山下記念研究賞受賞、画像センシングシンポジウム 優秀学術賞受賞。
概要:
ロボット用基本ソフトウェアであるRobot Operating System(ROS)は、ロボット分野で急速に普及が進んでいます。 ROS及び関連するツールやライブラリを利用することで、効率的にロボットソフトウェアを開発できます。 本チュートリアルでは、ROSの基本的な仕組み、ROSに関連するツールやライブラリ、ソフトウェアを解説します。 また、ROSによるロボットソフトウェアの開発方法、ビジョン技術を導入した事例を紹介します。
こんな方にお薦め
-
ROSという言葉は知っているが、実際にどういうものか知りたい方
-
ROSに関連したツール、ライブラリ、オープンソースソフトウェアについて知りたい方
-
ロボットにビジョン技術を導入したい方
Pythonによる機械学習
-SVMからDeep Learningまで-
TS2-2: 6月8日(水) 12:15-13:00 (メインホール)
講師: 川西 康友氏 (名古屋大学)
2006年京都大学 工学部 情報学科卒業、2012年京都大学 大学院 情報学研究科 博士後期課程修了。 2012年、京都大学 学術情報メディアセンター 特定研究員、2014年、名古屋大学 未来社会創造機構 特任助教。 2015年、名古屋大学 大学院 情報科学研究科 助教、現在に至る。 防犯カメラ・車載カメラ映像を対象とした、人物検出・追跡・検索を含む人物画像処理に関する研究に従事。 2009年、SPC2009 Best Paper Award受賞。 2011年、電子情報通信学会 パターン認識・メディア理解(PRMU)研究会 研究奨励賞受賞。 博士（情報学）。
概要:
機械学習が広く利用されるようになり、SVM、AdaBoost、Random Forest、さらにはDeep Learningなど、様々な手法が提案されています。 何か手法を作った時に、「SVMと比べたの？Random Forestでやると精度はどうなるの？」と聞かれることが多々あると思います。 本チュートリアルでは、近頃の機械学習ライブラリの普及により、ある認識問題に対して様々な機械学習法を適用し、性能を比較することが容易になっていること、またそれらを上手く使っていく方法について解説を行います。
こんな方にお薦め
-
パターン認識の研究に取り組みたい方
-
SVMやAdaBoostという名前を聞いたことはあるが試したことはない方
-
色々な機械学習法を比べてみたい方
-
Deep Learningもさわってみたい方
光伝播計測に基づくシーン解析
-反射・散乱光のモデルからCG・コンピュテーショナルフォトグラフィ応用まで-
TS3: 6月9日(木) 9:00-10:30 (メインホール)
講師: 向川 康博氏 (奈良先端科学技術大学院大学)
1997年筑波大学大学院博士課程工学研究科修了、 同年岡山大学工学部情報工学科助手、 2003年筑波大学先端学際領域研究センター講師、 2004年大阪大学産業科学研究所准教授 うち、2009〜2010年マサチューセッツ工科大学メディアラボ客員准教授、 2014年より奈良先端科学技術大学院大学情報科学研究科教授。博士（工学）。 主に光伝播計測に基づくコンピュータビジョンの研究に従事。 画像センシングシンポジウム（SSII07）優秀論文賞、 画像の認識・理解シンポジウム MIRU2008 MIRU長尾賞、 MIRU2010優秀論文賞、MIRU2013フロンティア賞、 情報処理学会 2011年度山下記念研究賞、 IEEE International Conference on Computational Photography (ICCP2013) Honorable Mention等を受賞。
概要:
光源から出た光は、シーン中で反射・散乱・透過などの様々な光学現象を生じ、 カメラや人間の眼に届きます。このような光の伝播を物理モデルに従って解析す ることで、被写体の形状や材質を推定することも可能です。本チュートリアルで は、反射や散乱といった光学現象をモデル化する基礎理論から、それらを計測す るための光学デバイスの開発、さらに光伝播の計測に基づくCGやコンピュテーシ ョナルフォトグラフィ応用に関して、最新の研究事例を紹介します。
こんな方にお薦め
-
反射光や散乱光などを、物理モデルに従って解析する技術を知りたい方
-
工業製品の「質感」の定量化に興味のある方
-
眼に見えないものを可視化する技術に興味のある方
背景差分法
-背景って何？背景を上手にモデル化する工夫-
TS4: 6月10日(金) 9:00-10:30 (メインホール)
講師: 島田 敬士氏 (九州大学)
2002年九州大学工学部電気情報工学科飛び級のため退学。2007年九州大学大学院システム情報科学府知能システム学専攻博士後期課程修了。博士（工学）。同年、九州大学大学院システム情報科学研究院助教。2013年10月九州大学基幹教育院准教授。2015年10月よりJSTさきがけ研究者を兼任。画像処理、パターン認識、ラーニングアナリティクスに関する研究に従事。IEEE Region 10 WIE Best Paper Award 2010、MIRU2011インタラクティブセッション賞、ACCV2012 Workshop Background Models Challenge 2012 The First Place、PRMU研究奨励賞、ICALT2015 Best Paper Award、MIRU2015デモ発表賞などを受賞。
概要:
背景差分法は、背景画像と観測画像を比較するという非常に単純な方法でありながら、観測画像中に生じる変化を捉えることができるため、映像サーベイランスをはじめ様々な画像処理において興味領域を検出する処理として広く利用されています。しかしその一方で、照明変化や背景領域の変化なども同時に検出してしまうため、興味対象のみを精度よく検出するための背景のモデル化が求められています。本チュートリアルでは、背景を上手にモデル化するための代表的な手法やその拡張手法、さらには様々な背景変化が生じる現場で利用する際のノウハウについて解説します。
こんな方にお薦め
-
動く対象物体を映像から簡単に検出したい方
-
背景差分法の利点・欠点を知りたい方
-
背景差分法の極意に興味がある方
-
どんなシーンにどんな背景差分法が有効か知りたい方