機械学習・Deep Learningの性能を引き出す画像前処理・画像フィルタリング技術【提携セミナー】

　　セミナー　　情報通信　　AI・機械学習　　機械学習・Deep Learningの性能を引き出す画像前処理・画像フィルタリング技術【提携セミナー】

開催日時	【LIVE配信】2027/1/20（水） 10:00～17:00 , 【アーカイブ配信】1/21～1/29
担当講師	島村徹也氏
開催場所	【WEB限定セミナー】※会社やご自宅でご受講下さい。
定員	-
受講費	非会員： 55,000円（本体価格：50,000円）会員： 46,200円（本体価格：42,000円）

機械学習・Deep Learningの性能を引き出す

画像前処理・画像フィルタリング技術

≪ノイズ除去・画像強調・エッジ抽出・画像復元からAI時代の前処理設計まで≫

【提携セミナー】

主催：株式会社R&D支援センター

◆セミナー趣旨

機械学習・Deep Learningを利用した画像認識、外観検査、医療画像解析などでは、AIモデルそのものの性能だけでなく、入力する画像データの品質が認識・判定結果に大きく影響します。実際の画像には、ノイズ、ぼけ、低コントラスト、照明変動、低解像度などさまざまな劣化が含まれており、これらをどのように処理してAIへ入力するかが重要となります。

本講座では、画像前処理の基礎となる2次元信号処理、畳み込み、空間領域・周波数領域でのフィルタリングから、平均値、Gaussian、Median、Bilateral filter、鮮鋭化、Sobel、Laplacian、LoG、Cannyなどの代表的手法を体系的に解説します。さらに、Wiener filter、Non-Local Means、BM3Dなどの画像復元・高性能ノイズ除去技術、CNN・Transformerを用いた最新の画像復元技術へと発展させます。

最後に、画像前処理が必ずしもAI性能を改善するとは限らない点にも注目し、特徴情報の消失、過剰な平滑化、学習時と推論時のデータ分布の違いなど、実務上重要となる前処理設計の考え方を、外観検査・医療画像等の応用例とともに解説します。

◆キーワード

画像AI,フィルタリング,ノイズ除去,エッジ検出,特徴抽出,画像復元,画像前処理,セミナー

担当講師

埼玉大学大学院理工学研究科教授　島村徹也氏

＜講師紹介＞
ディジタル信号処理を専門とし、音声・音響信号処理、画像処理、無線通信、生体信号処理、センサ信号処理、AI・深層学習など、幅広い分野の研究に長年従事している。
これまで、ディジタル信号処理を基盤として、ノイズ除去、特徴抽出、信号品質評価、音声・音響認識、画像品質評価、異常検知、センサフュージョン、機械学習・深層学習などに関する研究を展開してきた。特に近年は、従来の信号処理とAI・深層学習を融合し、実環境で取得される音響・画像・生体・各種センサデータから有用な情報を抽出・認識・推定する技術の研究を進めている。
研究対象は、音声・音響、画像、無線通信、生体信号、各種センサ信号など多岐にわたり、単一種類のデータ解析にとどまらず、異なる性質を持つ複数の情報を統合して認識・推定性能を向上させるマルチモーダルAI、センサフュージョンにも取り組んでいる。また、AIによる異常検知・品質評価、説明可能AI（XAI）、深層学習を利用した実環境信号解析など、産業応用を意識した研究を幅広く進めている。
これまでに査読付き学術論文160編以上、国際会議論文・発表350件以上の研究実績を有し、国内外の大学・研究機関・企業等との共同研究にも取り組んできた。研究成果を学術研究にとどめることなく、実際のセンシング、診断、評価、認識システムへ展開することを重視している。
また、大学における教育・研究活動に加え、長年にわたり企業の研究者・技術者を対象とした技術セミナー・講演を多数担当している。ディジタル信号処理、音声・音響信号処理、画像処理・画像品質評価、AI・深層学習、生体信号処理、センサデータ解析などをテーマとして、基礎理論から最新技術、実際の研究開発への応用まで幅広く解説してきた。

セミナープログラム（予定）

１．画像AIにおける画像前処理の役割
1-1　画像AIと入力データ
•画像分類・物体検出・セグメンテーション
•機械学習・DeepLearningにおける入力画像
•AIモデルと入力データ品質の関係
1-2　AI性能を低下させる画像劣化
•ノイズ
•ぼけ
•低コントラスト
•照明変動
•低解像度
•圧縮・アーチファクト
1-3　なぜ画像前処理が必要なのか
•SignalとNoise
•S/N改善
•特徴情報の保持
•前処理と認識性能
1-4　「高性能AIなら前処理は不要か？」
•End-to-EndLearningの考え方
•前処理が有効な場合
•前処理が逆効果になる場合

２．画像フィルタリングの基礎
2-1　ディジタル画像の基礎
•1次元信号と2次元信号
•画素と輝度値
•サンプリング
•量子化
•空間解像度
2-2　2次元畳み込み
•フィルタカーネル
•積和演算
•ぼかし
•エッジ抽出
•CNNにおけるConvolutionとの関係
2-3　空間領域と周波数領域
•空間領域フィルタリング
•2次元フーリエ変換
•空間周波数
•低周波成分・高周波成分
•FFT
2-4　フィルタ設計の基本
•Low-pass
•High-pass
•周波数特性
•空間領域処理との対応

３．基本的な画像フィルタとその選択
3-1　平均値フィルタ
•基本原理
•平滑化
•ノイズ除去
•カーネルサイズ
3-2　Gaussianfilter
•Gaussianweighting
•平均値フィルタとの違い
•ノイズ除去性能
3-3　Medianfilter
•非線形フィルタ
•Impulsenoise
•ごま塩ノイズ
•エッジ保持性
3-4　Bilateralfilter
•空間距離
•輝度差
•エッジ保存型平滑化
•パラメータ設定
3-5　鮮鋭化フィルタ
•High-passfilter
•Sharpening
•Unsharpmasking
•高周波強調
3-6　現場ではどのフィルタを選ぶべきか
•Gaussiannoise
•Impulsenoise
•Texture
•Edge
•処理速度
•AIへの入力を考えた選択

４．エッジ検出・特徴抽出とAI
4-1　エッジとは何か
•輝度変化
•Gradient
•画像構造
4-2　1次微分型エッジ検出
•Roberts
•Prewitt
•Sobel
4-3　2次微分型エッジ検出
•Laplacianfilter
•ノイズへの感度
4-4　LoGfilter
•Gaussiansmoothing
•Laplacian
•ノイズ除去とエッジ検出の組合せ
4-5　Cannyedgedetector
•Gaussiansmoothing
•Gradientcalculation
•Non-maximumsuppression
•Doublethreshold
•Edgetracking
4-6　従来特徴抽出からCNNへ
•Hand-craftedfeature
•Convolution
•CNN
•CNNの初期層とエッジ特徴
•従来フィルタは現在も必要か？

５．画像復元・高性能ノイズ除去
5-1　画像復元とは
•原画像
•劣化モデル
•ノイズ
•ぼけ
•低解像度
•逆問題
5-2　Wienerfilter
•Wienerfilterの基本
•Signalpowerspectrum
•Noisepowerspectrum
•MMSE
•Noiseestimation
5-3　Non-LocalMeans
•LocalprocessingからNon-localprocessingへ
•Patchsimilarity
•Self-similarity
•Texturepreservation
•計算量
5-4　BM3D
•Blockmatching
•Similarpatchgrouping
•3Dtransform
•Shrinkage
•Aggregation
5-5　Deblurring
•ぼけモデル
•Blurkernel
•Deconvolution
5-6　Super-resolution
•Interpolationとの違い
•SingleImageSuper-Resolution
•DeepLearningへの発展

６．DeepLearning時代の画像前処理と最新動向
6-1　CNNによる画像復元
•ClassicalfilteringとLearning-basedfiltering
•CNNdenoising
•Residuallearning
•Deblurring
•Super-resolution
•End-to-Endrestoration
6-2　Multi-stageImageRestoration
•Multi-stagearchitecture
•Attention
•MPRNet
•複数種類の画像劣化への対応
6-3　Transformerによる画像復元
•CNNとTransformerの違い
•Self-Attention
•Long-rangedependency
•Restormer等のImageRestoration
•CNN/Transformerの使い分け
6-4　AIへの画像前処理は必ず有効か
•過剰なDenoising
•Texture消失
•Edge消失
•Artifact生成
•前処理によるDistributionShift
6-5　前処理とDataAugmentation
•Resize
•Normalization
•Cropping
•Rotation
•Brightness/Contrastvariation
•Noiseaugmentation
•学習時／推論時の整合性
6-6　外観検査への応用
•撮像条件
•照明むら
•表面反射
•Denoising
•Contrastenhancement
•Defectdetection
6-7　医療画像AIへの応用
•X-ray
•CT
•MRI
•Denoising
•Contrastenhancement
•Super-resolution
•診断情報を消さないための注意点
6-8　今後の画像前処理
•Transformer
•FoundationModel
•GenerativeAI
•Diffusion-basedrestoration
•Task-awarepreprocessing
•PreprocessingとAIのJointOptimization

公開セミナーの次回開催予定

開催日

【LIVE配信】2027/1/20（水） 10:00～17:00
【アーカイブ配信】1/21～1/29

開催場所

【WEB限定セミナー】※会社やご自宅でご受講下さい。

受講料

非会員： 55,000円（本体価格：50,000円）
会員： 46,200円（本体価格：42,000円）

非会員の方は1名につき55,000円（税込み）です。
会員の方もしくは新規会員登録していただいた方の受講料は以下の通りです。
★1名で申込の場合、46,200円（税込）に割引になります。
★2名以上同時申込の場合、1名につき半額の27,500円（税込）に割引になります。
※参加者全員の会員登録が必要です。登録料や年会費などは一切かかりません。

※セミナー主催者の会員登録をご希望の方は、申込みフォームのメッセージ本文欄に「R&D支援センター会員登録希望」と記載してください。ご登録いただくと、今回のお申込みから会員受講料が適用されます。

※R&D支援センターの会員登録とは？
ご登録いただきますと、セミナーや書籍などの商品をご案内させていただきます。
すべて無料で年会費・更新料・登録費は一切かかりません。