Advanced Study on ArtificialIntelligence andInformatics Ⅲ

Course Title

Course Title in English

Advanced Study on ArtificialIntelligence andInformatics Ⅲ

Course Type

-

知能情報分野科目

Eligible Students

Graduate School of Engineering

Target Grade

1Year

Course Numbering Code

HETDA7MCA1

Credits

2.00Credits

The course numbering code represents the faculty managing the subject, the department of the target students, and the education category (liberal arts / specialized course). For detailed information, please download the separate manual from the upper right 'question mark'.

Type of Class

講義 (Lecture)

Eligible Year/Semester

Spring semester 2026

(Spring semester)

Instructor

Shinsaku Hiura,Masakazu Morimoto,Hirotake Yamazoe

Affiliation

工学研究科

Language of Instruction

Japanese

Related SDGs

9

Office Hours and Location

各教員に事前連絡・調整すること

Contact

日浦　hiura@eng.u-hyogo.ac.jp
森本(雅)　morimoto@eng.u-hyogo.ac.jp
山添　yamazoe@eng.u-hyogo.ac.jp

Corresponding Diploma Policy

A double circle indicates the most relevant DP number and a circle indicates the associated DP.

Corresponding Undergraduate School DP

ー

Corresponding Graduate School DP

1◎／2◎／3〇

Corresponding University-Wide DP

N/a

Academic Goals of Teacher Training Course

ー

Course Objectives and Learning Outcome

講義目的
人間の五感にまつわる信号処理・メディア処理とその基盤技術について講義を行う。

到達目標
画像センサ・光学系、信号処理理論に基づく音声・画像処理、人の感覚特性等の基礎について理解し、コンピュテーショナルフォトグラフィ・ニューラルネットワークによるパターン認識・人の計測と人への情報提示などのヒューマンインタフェースに関する代表的技術について説明できる。

Subtitle and Keywords of the Class

コンピュテーショナルフォトグラフィ、信号処理、ニューラルネットワーク、パターン認識、ヒューマンインタフェース

Course Overview and Schedule

（日浦慎作）
特殊な光学系と、それにより得た画像に対する復号処理の組み合わせにより、撮影後のピント合わせ直しなど既存のカメラにない機能・特性をもつ画像獲得手法であるコンピュテーショナル・イメージング技術について講義する。
1. ライトフィールドの獲得によるリフォーカシング技術
2. 符号化撮像・積分の不変量化によるぶれ・ぼけの除去
3. 特殊な光学系と深層学習技術の融合
4. 光飛行時間計測・イベントカメラ等の特殊センサの利用
5. 近年の研究動向と将来展望
（森本雅和）
カメラ等で撮影された画像から特定の物体を抽出し認識するための、画像信号処理技術と機械学習について論じ、画像からの物体検出手法、特徴量抽出手法、機械学習による画像認識手法などについて講義する。
6. 画像からの物体領域抽出と特徴量抽出
7. 機械学習による画像認識
8. 深層学習による画像認識
9. 良品画像学習による異常検知
10. 近年の研究動向と将来展望
（山添大丈）
カメラやセンサなどを用いて人の行動を計測し、感情・注意などの内部状態を推定する人物行動解析技術と、推定された内部状態に基づき人に適切に働きかけるインタラクション技術について講義する。
11. 顔・視線などの人の行動推定と感情・注意などの内部状態推定
12. 人の知覚・感性の計測・評価
13. 人とコンピュータ・ロボットのインタラクション
14. インタラクション設計と行動変容
15. 近年の研究動向と将来展望

In-person/Remote Classification

In-person

Implementation Method and Remote Credit Limit Application

Uses of Generative AI

Limited permission for use

Precautions for using Generative AI

生成ＡＩの利用にあたっては『本学の教育における生成ＡＩの取扱いについて（学生向け）』の記載内容について留意すること。

この授業においては、授業中に明示する範囲において、生成ＡＩの利用を許可し、これ以外の範囲での利用は禁止する。生成ＡＩの利用については担当教員の指示に従うこと。教員が認める範囲を超えて生成ＡＩを利用したことが判明した場合は、単位を認定しない、又は認定を取り消すことがある。生成ＡＩの出力した内容について、事実関係の確認や出典・参考文献を確認・追記することが重要である。また、生成ＡＩによる出力結果をそのまま課題・レポートとして提出してはならない。

Textbook

各担当教員より適宜指示する

References

各担当教員より適宜指示する

Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)

【予習】授業に際して指示するテキスト教材の部分を事前読み込み（20ｈ），プレゼンテーションの準備(3回、15h)
【復習】レポート作成（5回、15ｈ）、講義内容の理解を深め定着させるためにテキスト教材を読み直し（10ｈ）

Contents of Active Learning

採用しない

Grading Criteria and Methods

レポート(30%)、プレゼンテーション(70%)を課す。100点満点で採点し、60点以上を合格とする。

How to Disclose Assignments and Exam Results

レポートは、ユニバーサルパスポートのクラスプロファイル機能を使って講評を返す。
プレゼンテーションは、プレゼンテーション内容について議論をする。

Precautions and Requirements for Course Registration

オムニバス形式なので、担当教員が変わることに注意すること。出席、受講態度も採点時に参考とするので、積極的に講義に参加するとともに、予習・復習を怠らないことを望む。

Practical Education

該当しない

Remarks

In cases where any differences arise between the English version and the original Japanese version, the Japanese version shall prevail as the official authoritative version.

Syllabus data