人工知能（目次ページ）

オンラインサービス（プログラミング関連）は別ページである．その他のオンラインサービス（プログラミング関連）は別ページである．

4. 人工知能の説明

5. ディープラーニング演習

6. レポート

7. 学習（人工知能関連）

8. 日本語処理，自然言語処理

9. データセット（人工知能関連）

詳細目次

※ それぞれのリンクをクリックすることで，各項目の目次ページや個別ページ等にジャンプする．

1.(1) Windows で動く人工知能関係 Pythonアプリケーション，オープンソースソフトウエア）

1. 画像認識

画像分類 (image classification)

物体検出，画像のセグメンテーション (object detection, image segmentation)

トラッキング・ビジョン

インタラクティブ・ビデオオブジェクトセグメンテーション

画像の増量

Zero Shot や Few Shot による物体検出やセグメンテーション，SAM

教師なし学習によるセグメンテーション

顕著オブジェクト (salient object)

2. 画像生成，スタイル変換，超解像，ノイズ除去，インペインティング，マッティング

Stable Diffusion

画像生成，超解像，画像のノイズ除去，イメージ・インペインティング，イメージ・マッティング

Text-Image モデル

教師なし学習による画像復元

プロンプトや画像からの立体生成

顔の生成

3. 対話型AI，チャットボット，大規模言語モデル (large language model)

4. 自然言語処理，文字認識

日本語処理

テキスト検出

文字認識，ナンバープレート認識

5. 音声

音声認識

音声合成

音声処理

音楽生成

音源分離（audio source separation）

ピッチ推定（pitch estimation）

6. コンピュータビジョン

画像の基本機能

ビデオ処理，ビデオの安定化

ビデオの安定化は，ビデオの揺れ（手ぶれ，カメラ搭載機器の揺れなどの緩和）を行う．

線分検知

消失点推定

セグメンテーション

画像補正

位置合わせ

ステレオマッチング

7. トラッキング・ビジョン

8. ビジュアルオドメトリ

9. 姿勢推定 (Pose Estimation)

OpenPose（人体の姿勢推定，モーションキャプチャ）

頭部の姿勢推定

まばたき，眼球運動

瞳孔の検出

10. ３次元再構成

11. 顔情報処理（顔検出，顔認識，表情推定，年齢推定，顔のランドマーク，肌色領域）

マスク有り顔

肌色領域

12. 予測

13. データセット

14. 人工知能開発環境，ツール

1.(2) Ubuntu で動く人工知能関係 Pythonアプリケーション，オープンソースソフトウエア

フォトグラメトリ（写真測量）

OpenPose （人体の姿勢推定）

顔情報処理

文字認識

自然言語処理

音声

画像生成

超解像

タンパク質構造解析

2. プログラム例とその使用法（人工知能関連）

2.(1) 人工知能の実行，Python プログラム (Google Colaboratory を使用)

Google Colaboratory は，オンラインの Python の開発環境．使い方のより詳しい説明は：別ページ »で説明

はじめに

人工知能による合成

顔情報処理

群衆の把握，理解

姿勢推定

画像のセグメンテーション

物体検出 (object detection)

Iris データセットを用いた学習と分類

小画像の分類

MNIST データセットの分類

人工知能関連のアプリのインストール（Windows 上）: 別ページ »にまとめ

2.(2) 人工知能の実行（Python を使用）（Windows 上）

人工知能関連のアプリのインストール（Windows 上）: 別ページ »にまとめ

2.(3) 顔情報処理の Python プログラム（Dlib，face_recognition を使用）

2.(4) ナンバープレート認識

3. オンラインサービス

オンラインサービス（プログラミング関連）は別ページである．その他のオンラインサービス（プログラミング関連）は別ページである．

3.(1) 人工知能のオンラインサービス

ChatGPT，翻訳，画像の合成，欠損の補充，イメージ・インペインティング，イメージ・アウトペインティング

4. 人工知能の説明

4.(1) データサイエンス，人工知能の入門

4.(2) 人工知能の基礎（全１５回）（ニューラルネットワーク，探索，知識表現，プロダクションシステム，Prolog，自然言語処理））

トピックス：人工知能でできること，人工知能の歴史，人工知能による社会の変化，人工知能の種類，データサイエンス，機械学習，ニューラルネットワーク，探索，知識表現，プロダクションシステム，Prolog，自然言語処理

5. ディープラーニング演習

5.(1) ディープラーニング入門演習（全８回）

5.(2) ディープラーニング演習

6. レポート

1. 物体検出，新しい物体検出のための追加学習の実行

7. 学習（人工知能関連）

7.(1) 分類を行うニューラルネットワークの学習と利用（TensorFlow データセット，Python を使用）（Windows 上）

データの分類を行うニューラルネットワークの学習

ディープラーニングによるデータの分類を，さまざまなデータで行う．

TensorFlow データセットのパイプライン

7.(2) CIFAR 10 の画像分類を行う畳み込みニューラルネットワーク (CNN) の学習，転移学習

CNN による画像分類，画像の増量

事前学習済みのモデルの使用，転移学習

8. 日本語処理，自然言語処理

8.(1) 自然言語処理入門

Mecab，日本語の分かち書き，形態素解析，TF/IDF

Bag of Words，TF/IDF，Latent Semantic Indexing，Latent Dirichlet Allocation，類似検索

9. データセット（人工知能関連）

9.(1) データセット（人工知能関連）

データセットの説明

単純なデータ

顔画像

モーションデータ

自然言語処理のデータ

以下，再構成中

・H2O.ai の紹介

https://www.h2o.ai/download/

image classification, object detection

sfm

sfm （書きかけ）

人工知能関連

2.1 Unity ML-Agents（全２回）

目次ページ：Unity ML-Agents（全２回）

Python, TensorFlow, Keras のインストール（Windows 上）, [パワーポイント], [PDF]
ML-Agents ツールキットに付属の事前学習済みモデルを Unity で動かしてみる（ミニ実演）（8分34秒, 説明音声つき) [mp4 版], [パワーポイント], [PDF]
「パソコン実習」の資料: Windows で Unity ML-Agents + Python 環境を作る（Chocolatey, Anaconda を利用）（Chocolatey, Anaconda を利用）[Web ページ]
ML-Agents ツールキットで学習を行ってみる（ミニ実演）（7分56秒, 説明音声つき) [mp4 版], [パワーポイント], [PDF]

参考資料:

Windows で Unity ML-Agents + Python 環境を作る（Chocolatey, Anaconda を利用）（Chocolatey, Anaconda を利用）[Web ページ]

2.2 人工知能のクラウドサービス

Microsoft Azure Cognetive Service を Python で使ってみる [PDF], [パワーポイント]

ディープラーニング基盤技術

5-1 PyTorch の応用例

目次ページ：PyTorch の応用例

単純な CNN を用いた画像分類（PyTorch のサンプルプログラムを使用）
ユースケース: PyTorch の動作確認を行いたい．CNN (PyTorch を使用）について練習したい
深層強化学習 CartPole-v0 を動かしてみる（PyTorch のサンプルプログラムを使用）
ユースケース: 深層強化学習 CartPole-v0 を動かしてみたい

ディープラーニング・モデル類

CNN, RNN, GAN, LSTM

https://github.com/handong1587/handong1587.github.io/blob/master/_posts/deep_learning/2015-10-09-dl-resources.md

8-f. Convolutional Neural Networks の利用

CNN Graph を使ってみる（書きかけ）
FusionNet
https://github.com/GunhoChoi/FusionNet-PyTorch
SegNEet https://github.com/preddy5/segnet
CamVid dataset G. Brostow, J. Fauqueur, and R. Cipolla, “Semantic object classes in video: A high-definition ground truth database,” PRL, vol. 30(2), pp. 88-97, 2009.
SUN RGB-D dataset
S. Song, S. P. Lichtenberg, and J. Xiao, “Sun rgb-d: A rgb-d scene understanding benchmark suite,” in Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 567-576, 2015.
Pascal-Part Dataset
http://www.stat.ucla.edu/~xianjie.chen/pascal_part_dataset/pascal_part.html
Pascal VOC12
M. Everingham, S. A. Eslami, L. Van Gool, C. K. Williams, J. Winn, and A. Zisserman, The pascal visual object classes challenge: A retrospective, International Journal of Computer Vision, vol. 111, no. 1, pp. 98-136.

文字列を扱う CNN

5-5. 強化学習，OpenAI Gym

目次ページ:

強化学習，OpenAI Gym

Classification に関する記事

https://github.com/harvitronix/five-video-classification-methods

複数のモデルの並立，アンサンブル

書きかけ

3.(3) オープンデータの活用

※ オープンデータは別のページで，紹介している．

Fast-CNN, Faster R-CNN for Object Detection
URL: https://github.com/rbgirshick/fast-rcnn, https://www.slideshare.net/takashiabe338/fast-rcnnfaster-rcnn
YOLO (You only look once) for Object Detection
pixelwise prediction in semantic segmentation https://github.com/shelhamer/fcn.berkeleyvision.org
caffe: https://github.com/weiliu89/caffe
BLVC caffe: https://github.com/BVLC/caffe/tree/windows
SSD 実装, rykov ssd_keras (MultiBox Detector software) https://github.com/rykov8/ssd_keras SnowMasaya/ssd_keras https://github.com/SnowMasaya/ssd_keras weiliu89/caffe https://github.com/weiliu89/caffe/tree/ssd
tzutalin/ImageNet_Utils
画像アノテーションのソフト
weights_)SSD300.hdf5
https://mega.nz/#F!7RowVLCL!q3cEVRK9jyOSB9el3SssIA

SSD Keras の学習済みデータ

人工知能（目次ページ）

項目目次

1. 物体検出，新しい物体検出のための追加学習の実行

2. プログラム例とその使用法（人工知能関連）

3. オンラインサービス

4. 人工知能の説明

5. ディープラーニング演習

6. レポート

7. 学習（人工知能関連）

8. 日本語処理，自然言語処理

9. データセット（人工知能関連）

詳細目次

1.(1) Windows で動く人工知能関係 Pythonアプリケーション，オープンソースソフトウエア）

1. 画像認識

画像分類 (image classification)

物体検出，画像のセグメンテーション (object detection, image segmentation)

トラッキング・ビジョン

インタラクティブ・ビデオオブジェクトセグメンテーション

画像の増量

Zero Shot や Few Shot による物体検出やセグメンテーション，SAM

教師なし学習によるセグメンテーション

顕著オブジェクト (salient object)

2. 画像生成，スタイル変換，超解像，ノイズ除去，インペインティング，マッティング

Stable Diffusion

画像生成，超解像，画像のノイズ除去，イメージ・インペインティング，イメージ・マッティング

Text-Image モデル

教師なし学習による画像復元

プロンプトや画像からの立体生成

顔の生成

3. 対話型AI，チャットボット，大規模言語モデル (large language model)

4. 自然言語処理，文字認識

日本語処理

テキスト検出

文字認識，ナンバープレート認識

5. 音声

音声認識

音声合成

音声処理

音楽生成

音源分離（audio source separation）

ピッチ推定（pitch estimation）

6. コンピュータビジョン

画像の基本機能

ビデオ処理，ビデオの安定化

線分検知

消失点推定

セグメンテーション

画像補正

位置合わせ

ステレオマッチング

7. トラッキング・ビジョン

8. ビジュアルオドメトリ

9. 姿勢推定 (Pose Estimation)

OpenPose（人体の姿勢推定，モーションキャプチャ）

頭部の姿勢推定

まばたき，眼球運動

瞳孔の検出

10. ３次元再構成

11. 顔情報処理（顔検出，顔認識，表情推定，年齢推定，顔のランドマーク，肌色領域）

マスク有り顔

肌色領域

12. 予測

13. データセット

14. 人工知能開発環境，ツール

1.(2) Ubuntu で動く人工知能関係 Pythonアプリケーション，オープンソースソフトウエア

フォトグラメトリ（写真測量）

OpenPose （人体の姿勢推定）

顔情報処理

文字認識

自然言語処理

音声

画像生成

超解像

タンパク質構造解析

2. プログラム例とその使用法（人工知能関連）

2.(1) 人工知能の実行，Python プログラム (Google Colaboratory を使用)

はじめに

人工知能による合成

顔情報処理

群衆の把握，理解