- 開講元
- 知能情報コース
- 担当教員名
- 金﨑 朝子
- 授業形態
- 講義 (ハイフレックス型)
- メディア利用科目
- 曜日・時限(講義室)
- 火3-4(S4-201(S421)) 金3-4(S4-201(S421))
- クラス
- -
- 科目コード
- ART.T466
- 単位数
- 2
- 開講年度
- 2023年度
- 開講クォーター
- 4Q
- シラバス更新日
- 2023年3月20日
- 講義資料更新日
- -
- 使用言語
- 英語
- アクセスランキング
-
media
講義の概要とねらい
本講義は，3次元データを処理し，データから高次な情報を抽出する方法について学ぶ．データ処理の基礎や幾何学的変換，および機械学習を行うための線形代数について学ぶと共に，近年の深層ニューラルネットワークを用いた最先端研究事例とその手法を，Python等のプログラミング言語を用いた実践演習を交えながら理解する．
到達目標
3次元データ処理の基礎を身につけ，Python等のプログラミング言語を用いて深層学習を含む様々な処理を実装できるようになることを目標とする．
キーワード
3次元データ処理，幾何的変換，物体認識，深層学習，ニューラルネットワーク
学生が身につける力(ディグリー・ポリシー)
| ✔ 専門力 | 教養力 | コミュニケーション力 | 展開力(探究力又は設定力) | 展開力(実践力又は解決力) |
授業の進め方
3次元データ処理の基礎・応用・実践について講義資料（スライド）とプログラミング演習を用いて講義する．
授業計画・課題
| 授業計画 | 課題 | |
|---|---|---|
| 第1回 | ガイダンス、3Dデータ処理の導入 | 3次元センサやデータ取得方法を理解する |
| 第2回 | 入出力とレンダリング | ファイル入出力とデータの描画方法を理解する |
| 第3回 | 回転、並進、スケール、サンプリング | 3次元データの幾何変換およびサンプリング手法について理解する |
| 第4回 | 法線推定、キーポイント、特徴量 | 法線ベクトル推定手法、3Dキーポイント検出手法、および3D特徴量について理解する |
| 第5回 | 点群レジストレーション（最近傍探索、ICPアルゴリズム） | k-d木のデータ構造と最近傍探索、RANSAC、およびICPアルゴリズムを理解する |
| 第6回 | 点群レジストレーション（実装） | 点群レジストレーションを実装し、3Dデータに適用できるようになる。 |
| 第7回 | 物体識別、姿勢推定 | 様々な物体認識タスクについて学び、手法を理解する |
| 第8回 | プリミティブ検出、セグメンテーション | 様々な物体認識タスクについて学び、手法を理解する |
| 第9回 | ディープラーニングの基礎 | 深層学習を用いた画像識別の手法を学ぶ |
| 第10回 | PointNet、点群畳み込み | 深層学習を用いた点群処理の手法を学び、実装する |
| 第11回 | 最新研究動向、一般物体姿勢推定 | 深層学習を用いた3Dデータ処理の最新研究動向を学び、一般物体姿勢推定について理解する |
| 第12回 | RGBD、ボクセルデータ、メッシュ、マルチビュー画像、陰関数 | 3D点群以外の様々なデータ形式について学び、陰関数を用いた最新研究動向について理解する |
| 第13回 | 学生発表(1) - 1人2〜3分程度の発表 | 各学生が口頭発表を行うとともに、他の人の発表に対して質問を行い、議論する。 |
| 第14回 | 学生発表(2) - 1人2〜3分程度の発表 | 各学生が口頭発表を行うとともに、他の人の発表に対して質問を行い、議論する。 |
授業時間外学修（予習・復習等）
学修効果を上げるため，教科書や配布資料等の該当箇所を参照し，「毎授業」授業内容に関する 予習と復習（課題含む）をそれぞれ概ね60分を目安に行うこと。
教科書
なし
参考書、講義資料等
KS理工学専門書
『詳解 3次元点群処理 Pythonによる基礎アルゴリズムの実装』
出版社：講談社
発売日：2022/10/5
成績評価の基準及び方法
講義の内容理解度を評価する。出席点および最終プレゼンテーションで成績を評価する。
関連する科目
- ART.T467 ： コンピュータビジョン基礎
- ART.T552 ： コンピュータビジョン発展
- ART.T551 ： 画像・映像認識
履修の条件(知識・技能・履修済科目等)
履修の必須条件は設けない。
