個人の地域密着型アウトドアショップがデジタルマーケティングで業績を飛躍的にアップさせていくストーリーに乗せて、DMの基礎を… 個人の地域密着型アウトドアショップがデジタルマーケティングで業績を飛躍的にアップさせていくストーリーに乗せて、DMの基礎を学ぶ

画像認識について初めて学ぶ人でも全体像が把握できるよう、ポイントをまとめて解説する。 画像認識について初めて学ぶ人でも全体像が把握できるよう、データの基礎的な知識や撮影方法から具体的な画像処理手法、さらに画像認識の進化に欠かせない機械学習や深層学習と画像認識の関係なども含め、ポイントをまとめて解説する。

ディープラーニング活用なくしてビジネスの飛躍的成長なし

生成型ディープラーニングの解説。人間にしかできないと思われていた創造的な作業を機械に行わせる技術の基礎から応用までを学ぶ。 生成型ディープラーニングの基礎から応用までを網羅！ 生成型ディープラーニングの解説書。「絵を描く」「曲を作る」といった、これまで人間にしかできないと思われていた創造的な作業を機械に行わせるという、いま最もホットな技術の基礎から応用までをJupyterノートブック環境で実際に試しながら学びます。第I部は基礎編です。機械学習プログラミング、変分オートエンコーダ、GANやVAEなど、生成モデルの作成において重要な基礎技術を学びます。第II部は応用編です。CycleGAN、エンコーダ―デコーダモデル、MuseGANなどのモデルを作成し、作画、作文、作曲といった創造的なタスクに取り組みます。さらには、実環境を用いずにゲームプレイAIの学習を可能にする、世界モデルを使った強化学習にも取り組みます。最後に生成モデリングの未来として、StyleGAN、BigGAN、BERT、GPT-2、MuseNetなどのアーキテクチャを紹介します。

人工知能 人工知能と世界の見方 人工知能と社会

機械学習とコンピュータビジョンの知識を深め スキルを強化したい方に 機械学習の知識を深めスキルを強化したい方に ・OpenCV＋scikit-learnで機械学習プログラミングを実践マスター ・統計的学習の本質的概念、決定木、サポートベクタマシン、ベイジアンネットワークなど様々なアルゴリズムとOpenCVを組み合わせて使う方法をわかりやすく解説！ はしがき まえがき 訳者より・謝辞 1章 機械学習を味見してみよう 1.1 機械学習ことはじめ 1.2 機械学習で解くことのできる問題 1.3 Pythonをはじめよう 1.4 OpenCVをはじめよう 1.5 インストール 1.6 まとめ 2章 OpenCVとPythonによるデータ操作 2.1 機械学習の流れを理解する 2.2 OpenCVとPythonを使ってデータを扱う 2.3 まとめ 3章 教師あり学習の初歩 3.1 教師あり学習を理解する 3.2 クラスラベルを予測するために分類モデルを使用する 3.3 回帰モデルを使用して連続的な数値を予測する 3.4 ロジスティック回帰を用いたアヤメの分類 3.5 まとめ 4章 データ表現と特徴量エンジニアリング 4.1 特徴量エンジニアリングを理解する 4.2 データの前処理を行う 4.3 次元削減を理解する 4.4 テキスト特徴を表現する 4.5 画像を表現する 4.5 まとめ 5章 医療診断をするための決定木の使用 5.1 決定木を理解する 5.2 乳癌診断へ決定木を用いる 5.3 回帰のために決定木を使用する 5.4 まとめ 6章 サポートベクタマシン（SVM）による歩行者の検出 6.1 サポートベクタマシンを実装してみよう 6.2 非線形決定境界の導入 6.3 風景画像から歩行者を検出する 6.4 まとめ 7章 ベイズ学習による迷惑メールフィルタの実装 7.1 ベイズ推論を理解する 7.2 初めてベイズ分類器を実装する 7.3 Eメールを単純ベイズ分類器で分類する 7.4 まとめ 8章 教師なし学習で隠れた構造を発見する 8.1 教師なし学習を理解する 8.2 k-meansクラスタリングを理解する 8.3 期待値最大化を理解する 8.4 k-means法を用いた色空間の圧縮 8.5 k-meansを使用して手書き数字を分類する 8.6 クラスターを階層木として構造化する 8.7 まとめ 9章 深層学習による手書き数字分類 9.1 深層学習による手書き数字分類 9.2 パーセプトロンを理解する 9.3 最初のパーセプトロンを実装する 9.4 多層パーセプトロンを理解する 9.5 深層学習に慣れる 9.6 手書き数字を分類する 9.6 まとめ 10章 深層学習による手書き数字分類 10.1 アンサンブル法を理解する 10.2 決定木を組み合わせてランダムフォレストを作成する 10.3 顔認識のためにランダムフォレストを利用する 10.4 AdaBoostを実装する 10.5 複数のモデルを投票による分類器として統合する 10.6 まとめ 11章 ハイパーパラメータチューニングと適切なモデルの選択 11.1 モデルの評価 11.2 交差検証法を理解する 11.3 ブートストラップ法による頑健性の推定 11.4 評価結果の有意性の検証 11.5 グリッドサーチによるハイパーパラメータのチューニング 11.6 いろいろな評価指標によるモデルの評価 11.7 各種アルゴリズムの連結によるパイプラインの形成 11.8 まとめ 12章 仕上げ 12.1 機械学習問題へのアプローチ 12.2 独自の推定器の構築 12.3 これから 12.4 まとめ 索引

コンピュータビジョンの理論とアルゴリズムを基礎から学べる実践的な入門書。理論の説明にとどまらず、ベクトル演算や行列演算を駆使したサンプルを示しながら物体認識、3次元復元、ステレオ画像、拡張現実感、その他の応用について解説します。サンプルプログラムはPython2.7で書かれています。 基本的な画像処理 画像の局所記述子 画像間の写像 カメラモデルと拡張現実感 多視点幾何 画像のクラスタリング 画像検索 画像認識 画像の領域分割 OpenCV 付録A パッケージのインストール方法 付録B 画像のデータセット 付録C 画像の出典

　コンピュータによる視覚(ビジョン)機能を実現することを目的としたコンピュータビジョンは1970年代からはじまる学問分野であり，カメラで撮影された画像や映像に映る対象を理解するための様々な技術が長らく研究開発されてきた。特に近年は，深層学習をベースとした人工知能技術の発展とあいまって，基礎，応用の両面で急速な進歩を遂げている。また，仮想現実や拡張現実，マルチメディア，インタラクションなど様々な分野への応用も期待されている。 　このような背景をのもと，本書『コンピュータビジョン―広がる要素技術と応用―』は，カメラキャリブレーションやカメラ位置姿勢推定，多視点幾何やフォトメトリックステレオによる3次元復元といった黎明期からの主要技術に加え，顔認識，人物属性認識，行動認識，重要領域検出，RGBD画像を用いた3次元物体認識，画像のキャプショニングといった応用技術，さらには近似最近傍探索，マルコフ確率場の推論と学習，凸最適化といった基盤技術をカバーする13章から構成される。本書を通して，コンピュータビジョン分野において最近注目を集めるトピックに関する基盤理論や原理，近年の重要文献，さらには実装方法を学べることが期待される。 第1章　コンピュータビジョンの概要 第2章　カメラキャリブレーション 第3章　多視点画像を用いた3次元復元 第4章　拡張現実感のためのコンピュータビジョン技術 第5章　フォトメトリックステレオ 第6章　近似最近傍探索 第7章　マルコフ確率場の推論と学習 第8章　コンピュータビジョンにおける凸最適化 第9章　顔認識 第10章　人物属性認識 第11章　単視点からの人物行動認識 第12章　重要領域の抽出 第13章　RGBD画像と3次元物体認識 第14章　画像キャプションの自動生成

コンピュータビジョンの代表的な計算手順（アルゴリズム）について，詳細に解説． OpenCVやWeb上のプログラムなど，コンピュータビジョンを行ううえでのツールは充実していますが，これらを改良したり，自分の問題のために書き換えるのは，一筋縄ではいきません． 本書では，コンピュータビジョン，とくに画像からの3次元解析の代表的な手法について，それらの計算手順（アルゴリズム）を詳細に解説することで，こうした問題を解決するヒントを提供します． 〈本書の特徴〉 ・「計算手順」→「解説」という順序で解説 →理論の詳細を追わなくても学べる． ・アルゴリズムの適用例を示し，それぞれの精度と処理速度を評価 →高精度・高速な処理を行うために，アルゴリズムの何をどのように工夫すればよいかがわかる． ・この分野の第一人者である著者らが，各手法について，歴史的概観を交えて参考文献を紹介 →今後の学習の指針，分野の概観が得られる． なお，実装を容易にするために，代表的な手順のサンプルコードと，行列・ベクトル演算ライブラリEigenの解説を森北出版のWeb サイトで公開しています． 第1章　序　論 第I部　コンピュータビジョンの基礎技術 第2章　楕円当てはめ 第3章　基礎行列の計算 第4章　三角測量 第5章　2画像からの3次元復元 第6章　射影変換の計算 第7章　平面三角測量 第8章　平面の3次元復元 第9章　楕円の解析と円の3次元計算 第II部　多画像からの3次元復元 第10章　多視点三角測量 第11章　バンドル調整 第12章　アフィンカメラの自己校正 第13章　透視投影カメラの自己校正

注目のコンピュータービジョンライブラリ。高度な映像処理、解析がPythonでさらに簡単に! 第1章 OpenCVについて(OpenCVとは OpenCVの機能と構成 ほか) 第2章 画像・映像入出力(画像ファイルの表示 画像ファイルの処理と保存 ほか) 第3章 映像処理(カラーチャンネルの分離と合成 移動物体の抽出(浮動小数点数型画像) ほか) 第4章 基本操作(テキストとグラフィックスの描画 ピクセルの直接操作(映像処理) ほか) 第5章 映像解析(テンプレートマッチング オプティカルフロー検出 ほか) 付録

自然言語処理編

ディープラーニングを活用した各社の様々な事例やサービスをまとめた、まさに次世代の産業界の指標となる1冊です。 自動化や効率化が進むこれからの時代にますます注目を集めているディープラーニング。 本書では、ディープラーニングを活用した様々な事例やディープラーニングを用いたサービスを 提供する企業の取り組みをまとめた、まさに次世代の産業界の指標となる1冊です。 【序論】 ・ディープラーニングとはなにか? 　日本大学 生産工学部/杉沼浩司 ほか ・深層学習がもたらした画像認識技術の飛躍的向上 　株式会社センスタイムジャパン ・ディープラーニングへの取り組み 　~異常検知エンジン「gLupe」の紹介~ 　株式会社システム計画研究所/久野祐輔 ・従来の概念を変えるディープラーニングを 　用いた画像解析ソフトウェア「SuaKIT」 　株式会社アプロリンク/塚田大和 ・Deep Learning を活用した 　外観検査システム「WiseImaging」 　株式会社シーイーシー/久保田進也 【特別インタビュー】 ・“データを価値に変える" 　人工知能でビジネスをサポートするブレインパッドの取り組み 　株式会社ブレインパッド ・産業用画像処理におけるディープラーニングの真価 　─ HALCON が提供する機械学習機能とディープラーニング活用機能 ─ 　株式会社リンクス/島 輝行 ・トンネル切羽 AI 自動評価システム ̶　Deep Learning 活用による取り組み̶ 　日本システムウエア株式会社/野村貴律 　株式会社 安藤・間/宇津木慎司 ・エッジコンピューティング向け組込み特化の 　ディープラーニングフレームワーク「KAIBER」の活用法 　ディープインサイト株式会社/久保田良則 【画像センシング展̶特別招待講演より】 ・画像診断におけるAI 活用推進について 　東京慈恵会医科大学 放射線医学講座/准教授 中田典生 ・個体差がある物体でも瞬時に識別 　画像識別技術「AI-Scan」 　株式会社ブレイン/多鹿一良 ・人間の感覚をもった画像検査システム 　「Deep Inspection」 　株式会社 Rist/遠野宏季 ・画像認識および Deep Learning 開発サービス 　「TrustSense」 　株式会社トラスト・テクノロジー/山本隆一郎 ■製品紹介 ●株式会社スカイロジック ●丸紅無線通信株式会社 ●アースアイズ株式会社 ●HPCシステムズ株式会社 ●株式会社エンルートラボ ●キヤノン IT ソリューションズ株式会社 ●クリスタルメソッド株式会社 ●コグネックス株式会社 ●株式会社システムズナカシマ ●株式会社タイテック ●ビットブリッジ株式会社 ●株式会社マイクロテクニカ ●株式会社ミラック光学

ラズパイを使ってさまざまな機械学習の演習を行い、体験を重ねながら理解する入門書。専門知識がなくても読み通せます。 ラズパイを使ってさまざまな機械学習の演習を行い、体験を重ねながら理解する入門書。専門知識がなくても読み通せます。 第1章　機械学習と人工知能、ニューラルネットワークとの関係 第2章　機械学習入門 第3章　Raspberry Piで機械学習を体験するための準備（※） 第4章　サポートベクトルマシンによるアヤメの分類 第5章　多層ニューラルネットワークによるアヤメの分類 第6章　手書き数字の分類 第7章　コンピュータとじゃんけん勝負をしよう 第8章　画像処理でグー・チョキ・パーを読み取ろう 第9章　じゃんけんシステムの完成 第10章　ディープラーニング ※Raspberry Pi用OSのインストールと環境設定の解説は、本書のサポートページに掲載されます。 【付録A】matplotlibを用いたプログラムの解説 【付録B】OpenCVを用いたプログラムの解説 【付録C】自分の手の画像を学習用データとする方法 （注：【付録】はサポートページにてPDF形式で配布します。電子版では、末尾に収録されます）

プログラミングは一切行わず、医用画像に人工知能を導入するための解説書。 プログラミングは一切行わず、医用画像に人工知能を導入するための解説書。 Neural Network Console（ソニー社）と、DIGITS（NVIDIA社）を使って、深層学習と医用画像処理を行う手順とノウハウを詳しく解説。

医用画像に人工知能を本格的に導入するためのわかりやすい解説書。 医用画像に人工知能を本格的に導入するためのわかりやすい解説書。 ・TensorFlow+Kerasで行う ・Anaconda上で環境構築する ・データはだれでも入手できるデータを使う を基本的な方針としてまとめた。