コンピュータビジョン，画像認識，パターン認識，動画像処理，医用画像処理などを専門とする．電子情報通信学会和文誌D編集委員，PRMU委員，MI委員．情報処理学会CVIM委員，GCAD委員など歴任．2001年新潟大学助手，2005年広島大学准教授．2020年名古屋工業大学教授．翻訳書に「コンピュータビジョン ―アルゴリズムと応用―」「統計的学習の基礎」「スパースモデリング」（共立出版）「Pythonで体験するベイズ推論」（森北出版）．電子情報通信学会シニア会員．情報処理学会，IEEE，IEEE Computer Society等会員．
専門的な数式に取り組むための数学の背景知識をマスターしよう このレクチャーでは，コンピュータビジョンやパターン認識，画像処理などで使われる数式や考え方，数学的手法を学びます．基礎的な連立方程式の解き方とその解釈，微分と最適化，回帰とスパースモデリング，制約付き最適化問題と凸最適化，識別などの基本的な考え方を，数式を通して理解し，いくつかの問題についてはPythonコードを使って理解を深めます．特に連立方程式Ax=bというよく見かける数式を題材に，顔画像の近似問題としていろいろな手法が定式化できること，また解き方があることを学びます． 集合，行列，ベクトルなどの線形代数の基礎 連立方程式の解釈と一般化逆行列による解法 微分の基礎と勾配ベクトル，ヘッセ行列，ヤコビ行列などの行列
pythonの機械学習ライブラリscikit-learnを使って，識別の基本を徹底的にマスターしよう！ このコースでは，機械学習における識別（分類・認識）の基礎をPythonを用いて学びます．このコースの目標は，機械学習でデータを識別するための一連の流れ（データの準備・前処理・識別器・評価など）を理解することです．Pythonの機械学習ライブラリscikit-learnとインタラクティブなプログラミング環境jupyter notebook (ipython notebook)を使って，実際にpythonコードを実行しながら学びます． レクチャーでは，notebook上で実行するpythonコードとその内容を説明します．pythonコードのnotebookはダウンロードできますので，レクチャーを見ながら・見た後で実際に実行することをおすすめします．自分なりに改変・修正すると，さらに理解が高まるでしょう． 機械学習を理解するためには数学が必要になるのですが，このレクチャーでは（ほとんど）数式を使わず，コードを実行して結果を議論することで，機械学習のコンセプトを伝えるようにしています．理論的なことを知りたい場合には，他の資料を参考にしてください． プログラミングの注意 ：pythonやその他の言語でのプログラミング経験があることを前提にしていますので，python自体の説明は省略しています． レクチャーで使用しているnotebookはダウンロードできます．「レクチャー用のnotebookのダウンロードはこちら（ソースコードはここにあります）」というレクチャーを参照してください． 機械学習の識別（分類・パターン認識）が何かが分かります Pythonとjupyter notebookが使えるようになります． Pythonの機械学習ライブラリscikit-learnを使えるようになります
Learn the essence of "Computer Vision: Models, Learning, and Inference", part 2 【2023/9】全動画を1つにまとめたもの（4時間）をYouTubeで公開しました．このコース名をYouTubeで検索してください． このオンラインレクチャーでは，画像処理や3次元コンピュータビジョンの基礎を学ぶことができます．資料は，"Computer vision: models, learning and inference"の著者Simon Princeがwebで公開しているスライドを用いています．話題はコンピュータビジョン，画像認識が主ですが，確率モデルや最尤推定，ベイズ推定を用いた推論手法も扱っていますので，パターン認識や機械学習がどのように応用されるかを理解することができます． スライドを動画で説明した後，復習クイズを出題しています（一部のセクションのみ）．ぜひ挑戦してください（iPad/Androidアプリ版ではクイズが表示されないようですので，webで見てください）． このオンラインレクチャーでは，書籍のPart IV（Chapter 13--15）からの画像処理，カメラモデルの基礎を扱います．（Chapter 12以前のレクチャーは「ベイズ推定とグラフィカルモデル：コンピュータビジョン基礎1」です）（Chapter...
Learn essence of "Computer Vision: Models, Learning, and Inference" 【2023/9】全動画を1つにまとめたもの（10時間）をYouTubeで公開しました．このコース名をYouTubeで検索してください． このオンラインレクチャーでは，確率的な手法を用いるパターン認識や機械学習の基礎を学ぶことができます．資料は，"Computer vision: models, learning and inference"の著者Simon Princeがwebで公開しているスライドを用いていますが，話題はコンピュータビジョンに限らず，確率モデルや最尤推定，ベイズ推定を扱っています． スライドを動画で説明した後，復習クイズを出題しています．ぜひ挑戦してください（iPad/Androidアプリ版ではクイズが表示されないようですので，webで見てください）． このオンラインレクチャーでは，書籍のPartIII（Chapter 12）までの統計的機械学習の基礎を扱います．（Chapter 13以降の画像を扱う話題は別途作成予定） Computer vision: models, learning...
動画で学ぶ電気回路の基礎 〜キルヒホッフから回路解析まで〜 概要 これは，交流電気回路の基礎理論について学ぶ，電気回路理論のレクチャービデオです．この講義の目標は，正弦波交流の複素数表示を理解し，回路網解析を用いて交流電気回路を解析する方法を修得することです． レクチャー内容 レクチャーでは，直流の電気回路の基礎から復習します．電気回路とはなにか，を説明したと，基本法則であるキルヒホッフの電圧・電流法則を說明します．次に，オームの法則を用いて，直流電気回路の直列接続・並列接続を解析します．また直流の電源を導入し，電力の概念を說明します． そして正弦波交流への導入として，三角関数と正弦波を説明したあと，正弦波交流に対する抵抗の電流電圧特性，平均電力を說明します．同時に実効値の概念も解説します．キャパシタとインダクタの交流特性を説明したあと，簡単なRL直列回路の解析を說明します．重要な解析道具である複素数を復習した後，複素数によってどのように正弦波交流が表されるのか，それによって解析がどのように簡単になるのか，を說明します． 正弦波交流を導入したことにより，電力の概念が交流でどのように表されるのかについても說明します．そして，回路解析の手段である，閉路解析・節点解析を說明します． 教材 このコースには3分〜5分程度のビデオレクチャーから構成されています．今のところ，クイズはありません． 時間 1セクションのビデオレクチャーの長さは，平均30分程度です．9セクションあるので，すべてを試聴するには5時間程度が必要です． キーワード 電気回路，回路解析，素子，接続，節点，KCL（キルヒホフの電流法則），KVL（キルヒホフの電圧法則），オームの法則，合成抵抗，合成コンダクタンス，電流源，電圧源，直流電力，キャパシタ，インダクタ，三角関数，正弦波（振幅，位相，実効値），正弦波交流，平均電力，複素数，直交・極座標表示，正弦波交流の複素数表示，複素インピーダンス，複素アドミタンス，合成インピーダンス，合成アドミタンス，フェイザー表示（ベクトル表示），交流電力，皮相電力，有効電力，無効電力，力率，複素電力，力率改善，フェイザー図（ベクトル図），フェイザー軌跡（ベクトル軌跡），閉路解析（網目解析），節点解析，グラフ理論，頂点，辺，有向グラフ，連結グラフ，木，補木 注意 この動画レクチャーは，実際の大学生向けの授業として作成しましたので，学生を対象としたサジェスチョンなどを言っている場合があります（レポートを作成するには，期末試験には，，，など）．ご容赦ください． キルヒホフの法則，オームの法則を用いた電気回路の解析 正弦波交流とその複素数による表示方法の説明 交流回路の複素インピーダンス・アドミタンスの計算
