図解即戦力シリーズ図解即戦力
画像センシングのしくみと開発がこれ1冊でしっかりわかる教科書

［表紙］図解即戦力 画像センシングのしくみと開発がこれ1冊でしっかりわかる教科書

紙版発売
電子版発売

A5判／240ページ

定価2,860円（本体2,600円＋税10%）

ISBN 978-4-297-13557-7

電子版

→学校・法人一括購入ご検討の皆様へ

書籍の概要

この本の概要

CASEやIoT技術の中核を担う画像センシング技術について，わかりやすいフルカラー図解で解説する入門書です。センサーやプロセッサなどのハードウェア面から画像処理・画像認識を行うソフトウェア面まで，画像センシング技術の全体像をこれ1冊で把握できます。ものづくりの最前線で働きたい就活生や転職希望者に役立つ情報が満載です。

こんな方におすすめ

  • 画像処理をこれから学ぶ学生
  • 関連製品メーカーや部品メーカーに就職した方
  • 画像処理ソフトウェアの開発に関心のある新人エンジニア
監修

輿水大和（こしみずひろやす）

1948年山梨県生まれ。工学博士（名古屋大学），YYCソリューション CEO，中京大学 名誉教授，理化学研究所 客員研究員。現在，IEEE （Senior），IEEJ （Fellow），IPSJ （Fellow・終身），JFACE （理事），SSII （顧問・会友），JSPE （IAIP顧問・特別委員），IEICE （終身），（公財）萩原学術振興財団理事などで画像AI技術研究活動中。

主筆

青木義満（あおきよしみつ）

1973年生まれ。慶應義塾大学理工学部教授，博士（工学），産業技術総合研究所客員研究員，画像センシング技術研究会会長。画像計測・認識・生成など，コンピュータビジョンとパターン認識に関する研究に従事。

執筆

明石卓也（あかしたくや）

1978年生まれ。岩手大学准教授，博士（工学），IEEE，IEEJ，IEICEなどの会員。コンピュータビジョン，ニューロサイエンス，ヒューマンインタフェース，人工知能等に関する研究に従事。

大橋剛介（おおはしごうすけ）

1969年生まれ。静岡大学工学部教授，博士（工学）。画像処理，視覚情報処理に関する研究に従事。

片岡裕雄（かたおかひろかつ）

1986年生まれ。博士（工学），産総研上級主任研究員。cvpaper.challenge主宰。3D ResNet（AIST Best Paper; 5年間で最も採択されたCVPR論文TOP100入），数式ドリブン教師あり学習（ACCV 2020 Best Paper Honorable Mention; MIT Tech. Review掲載）を提案。

杉本麻樹（すぎもとまき）

1978年生まれ。慶應義塾大学理工学部情報工学科教授，博士（工学）。組み込み型センサを活用したユビキタス光センシングとサイバーフィジカル空間における人間拡張の研究に従事。

竹内渉（たけうちわたる）

1975年石川県生まれ。東京大学生産技術研究所教授，ワンヘルス・ワンワールド連携研究機構長，JSPSバンコク研究連絡センター長，内閣府CSTI，上席調査員などを歴任。アジアを中心にした環境・災害リモートセンシングに関する研究に従事。

戸田真志（とだまさし）

1969年静岡県生まれ。熊本大学半導体・デジタル研究教育機構教授，博士（工学）。主に一次産業向けの画像計測・認識に関する研究の他，生体計測とその利活用や教育情報システムに関する研究に従事。

中嶋航大（なかしまこうだい）

1995年生まれ。筑波大学情報理工学位プログラム，博士後期2年。画像認識など，コンピュータビジョンとパターン認識に関する研究に従事。

門馬英一郎（もんまえいいちろう）

1974年生まれ。日本大学理工学部准教授，博士（工学）。　画像計測・測光・機械学習などコンピュータビジョンに関する研究に従事。

山田亮佑（やまだりょうすけ）

1997年生まれ。筑波大学 大学院理工情報生命学術院システム情報工学研究群　情報理工学位プログラム，産業技術総合研究所 人工知能研究センター　コンピュータビジョンチーム　リサーチアシスタント，cvpaper.challenge幹部，コンピュータビジョンに関する研究に従事。

本書のサンプル

本書の一部ページを，PDFで確認することができます。

目次

第1章　画像センシング現場の技術深訪

01　安全運転支援・自動運転

  • 自動車運転と画像センシング技術
  • 安全運転支援と自動運転
  • 車線逸脱防止支援
  • 衝突防止・衝撃軽減

02　医療支援・健康サポート

  • 画像診断支援技術
  • エキスパート知見の導入・アテンションマップ
  • 健康維持・増進のための画像センシング

03　生体認証システム

  • 生体認証のモダリティ
  • 生体認証の流れ
  • 生体認証システムの実例

04　マシンビジョン/検査

  • 進化する産業界の外観検査
  • 外観検査・検品タスクと画像処理技術の関係
  • 異常検知問題
  • センサーとしてのカメラの丁寧な理解
  • 大きさの計測
  • 感覚量の計測
  • バーコードとQRコード

05　バーチャルリアリティ・ミックスドリアリティ

  • エンタテインメント
  • ナビゲーション
  • 高臨場感メディア
  • 人間拡張

06　スポーツ

  • 進化するスポ―ツ支援システム
  • 競技・コーチング支援
  • 判定支援
  • 観戦者支援

07　農林水産・畜産・食品

  • 水産業支援の概況
  • 進む資源調査技術の実用化
  • 農業支援の概況
  • 広域場で活躍するドローンも
  • 畜産業支援の概況
  • 非接触で個体の体重測定も可能に

08　環境・リモートセンシング

  • リモートセンシング技術とは
  • リモートセンシングの時間・スペクトル・空間分解能
  • 写真測量による3次元計測
  • 画像データから社会・経済情報への変換

第2章　画像センシングのキホン ～センサーから画像処理まで～

09　画像処理と流れ

  • 画像処理の2つの目的
  • 画像処理システムの基本構成

10　デジタルカメラと画像ファイル形式

  • デジタルカメラ
  • Cマウント・CSマウントカメラ
  • ビデオカメラ
  • カメラのIF（インターフェイス）
  • 画像のファイル形式/JPEG形式
  • 画像のファイル形式/RAW形式

11　イメージセンサー

  • 半導体イメージセンサーとCCDセンサー
  • CMOSイメージセンサー
  • 色の記録方式/単板式と三板式
  • 方式の特徴と使い方

12　光学系

  • ピンホールカメラと透視投影
  • 周辺減光と回折

13　照明

  • 画像センシングのための照明
  • 比視感度曲線とは
  • カメラの分光感度
  • 照明の心得

14　画像データのキホン

  • 画像データの格納方式
  • データの効率的な格納法と画像符号化法
  • JPEG方式の原理

15　画像デジタル表現のキホン

  • 画像デジタル化のあらまし
  • シャノンの標本化について
  • OKQT量子化法について
  • 少しディープなデジタル化技術の話題

16　カラー情報の扱い

  • 物理現象としての色の扱い
  • 人の視覚に映る色の扱い
  • さまざまな表色系

17　画像ヒストグラム

  • デジタル画像とピクセルと統計的性質
  • 共起ヒストグラム

第3章　画像処理技術の詳細 ～パターン検出と画像識別～

18　濃淡変換処理

  • 画像の濃淡とヒストグラム
  • ヒストグラムから見る画像の統計量
  • 画素単位の濃淡変換

19　形状処理

  • 縮小・膨張処理
  • ラベリングによる対象抽出

20　空間フィルタリング

  • 空間フィルタとは?
  • 画像処理における畳み込み
  • さまざまな空間フィルタ
  • 画像深層学習における「畳み込み」

21　特徴抽出の流れ

  • 画像マッチングと特徴抽出の流れ
  • テンプレートマッチング
  • マッチングのための大局特徴と局所特徴
  • マッチングの演算手法

22　さまざまな画像特徴量

  • 画像における空間周波数
  • フーリエ変換を利用した周波数解析
  • 画素値に基づく局所画像特徴
  • 輝度勾配に基づく局所画像特徴量

23　特徴点検出

  • パッチの変化に基づくコーナー検出
  • 微分計算に基づくブロブ検出

24　図形要素の検出

  • エッジ検出
  • 輪郭線検出

25　画像マッチング

  • テンプレートマッチングの概要
  • 進化計算の活用

26　形状マッチング

  • ハフ変換による円の検出
  • 楕円と四角形の取得
  • 複雑な形状のマッチング
  • 非剛体物体の形状マッチング

27　特徴点マッチング

  • 特徴点マッチングの流れ
  • RANSACによる外れ値の除去
  • 特徴点マッチングの利用例
  • AIを活用したより頑健なマッチング

第4章　最先端画像センシング技術

28　画像認識の流れ

  • 深層学習による手法とハンドクラフトな手法
  • 画像認識の流れと実装の心得

29　画像認識のための特徴抽出

  • 人の知見（形式知）による特徴抽出

30　画像識別

  • 画像識別と特徴空間
  • プロトタイプと識別超平面

31　機械学習による画像認識

  • 画像認識に機械学習が登場
  • 機械学習の有力な手法群

32　顔画像認識

  • 顔検出
  • 顔認識
  • 顔認証

33　ニューラルネットワークと深層学習

  • ニューラルネットワークの歴史
  • MLP
  • 活性化関数
  • モデル最適化
  • 誤差逆伝播法

34　Convolutional Neural Network（CNN）

  • ネットワークの全体像
  • 畳み込み層
  • プーリング層

35　Transformer

  • Transformer・Vision Transformer
  • Transformer:自然言語処理モデル
  • Vision Transformer:画像認識モデル
  • EmbeddingとPositional Encoding
  • Multi-Head Self-Attenton

36　教師あり学習

  • 画像識別（Image Classification）
  • 人間によるアノテーションの限界

37　自己教師あり学習

  • 自己教師あり学習の背景
  • 疑似タスク:ジグソーパズル法
  • 対照学習法の台頭
  • 自然言語処理の学習方法から誕生した復元タスク

38　数式ドリブン教師あり学習

  • 数式ドリブン教師あり学習の背景
  • Fractal Database（FractalDB）
  • 数式ドリブン教師あり学習の動向

39　事前学習

  • 事前学習がもたらす効果
  • 事前学習データセットにおける重要性

40　転移学習

  • 転移学習の概説
  • 画像認識モデルにおける転移学習
  • 転移学習方法
  • 基盤モデルによる転移学習

41　データ拡張

  • 単一画像によるデータ拡張
  • 複数画像を混合させるデータ拡張
  • 自動データ拡張

第5章　さまざまなタスク

42　行動認識と時空間モデル

  • 行動認識
  • 時空間モデルの変遷
  • Two-Stream Convolutional Networks（Two-Stream CNN）
  • 3D CNN
  • SlowFast Network

43　3D認識

  • 深層学習による3D認識
  • ボクセルによる3D認識
  • 3次元点群による3D認識

44　異常検知

  • 異常検知の概説
  • AutoEncoderを用いた教師なし異常検知手法

45　行動予測

  • 行動予測と動作予測
  • 経路予測

46　物体検出

  • 物体検出の学習方法
  • Faster R-CNNの概要

47　いろいろなセグメンテーション

  • セグメンテーションとは?
  • セマンティックセグメンテーション
  • インスタンスセグメンテーション
  • パノプティックセグメンテーション
  • セグメンテーションに関する最近の話題

48　画像生成・画像変換

  • 画像生成・画像変換とは?
  • 画像生成（敵対的生成ネットワーク:GAN）
  • 画像変換

第6章　画像センシングを支えるツール & Tips ～ハード，ソフトからデータセットまで～

49　ハードとソフト（1）GPU

  • NVIDIA社のGPU
  • NVIDIA社以外のGPUの利用

50　ハードとソフト（2）SoC

  • 推論向けハードウェア
  • 多種多様なエッジデバイス
  • エッジデバイスの補強

51　ハードとソフト（3）クラウドサービス

  • Google Colaboratory
  • ノンプログラミング環境

52　ハードとソフト（4）新しいカメラ

  • デプスカメラ/Kinect
  • デプスカメラ/RealSense

53　画像識別データセット

  • ImageNetとは
  • 大規模データセットとしての有用性
  • ImageNetの問題点

54　動画認識用データセット

  • Human Motion Database（HMDB）
  • Kinetics

55　3次元物体認識

  • 形状分類データセット
  • 物体検出における代表的なデータセット

56　物体検出&セマンティックセグメンテーション

  • Pascal VOC
  • MS COCO

57　最新情報の収集

  • 国内におけるシンポジウムと研究会
  • cvpaperchallenge

【COLUMN】

  • 01　傷の『KIZKI』アルゴリズム，万能検査機の風雲児
  • 02　フーリエ変換
  • 03　大局視覚の有力株，ハフ変換の見どころ