コンピュータビジョン（Computer Vision）[4L25]

＜授業のねらい＞

コンピュータビジョンに関する研究は広範囲にわたっているため、授業では網羅することができない。そこで、本授業では「パターン認識」及び「2次元画像列からの3次元立体形状の復元」の基本的な事柄について解説する。また、必要に応じて、他のテーマについての解説も行う予定である。

＜受講にあたっての前提条件＞

線形代数、確率に関する基本的な知識、微分積分に関する基本的な知識を必要とする

＜具体的な到達目標＞

パターン認識技術に関する基本的な知識を身に付け、パターン認識技術を構成する数学的な背景を理解すること。

＜授業計画及び準備学習＞

第1週 パターン認識、および、コンピュータビジョンとは何かを説明し、パターン認識の基本技術とその適用例について解説する。（準備学習：パターン認識、コンピュータビジョンという言葉について予め調べておくこと）

第2週〜第9週 パターン認識の基本的な事項について説明する。類似性、距離、確率分布について解説し、学習アルゴリズムなどのパターン認識手法について解説する。（準備学習：線型代数における逆行列の計算を含む行列演算全般、3次元ベクトルの外積、固有値と固有ベクトル、期待値、分散、標準偏差)

第10週〜第15週　コンピュータビジョンにおいて通常用いられているカメラの構造及び理想的なカメラとしてのピンホールカメラの原理について概説し、ピンホールカメラの幾何学、ステレオ画像の原理、透視射影カメラのエピポーラ幾何学について説明する。(準備学習：高校で学習した座標幾何全般)

＜成績評価方法＞

達成目標に準ずる期末テストによって評価し、60点以上の者に単位を認める。

＜教科書＞

特になし

＜参考書＞

murty and Devi、　Pattern Recognition、springer、2012。

佐藤淳、コンピュータビジョン、コロナ社、1999。

Hartley and Zisserman, Multiple view geometry 2nd edition, Cambridge, 2003.

＜オフィスアワー＞

質問等は、授業開始前、終了後に兼任講師室にてうけつける。

＜学生へのメッセージ＞

対称行列、直交行列、射影行列、3次元ベクトルの外積、3次正方行列の行列式と逆行列、固有値、固有ベクトルなどの線型代数の基本的な事柄や偏微分については改めて説明することはないので十分に復習しておくこと。

＜備 考＞

担当者及び上記内容については変更の可能性あり。詳細は当日説明する。