概要

OpenCV3でコンピュータビジョンと機械学習アルゴリズムを理論から実装まで習得する

想定読者

『OpenCVによる画像処理入門』を読了した高専生・学部生・大学院生、およびCVアプリケーション開発に取り組む実務エンジニア

こんな人には向いていない

• OpenCVおよびC++/Pythonによる画像処理の基礎をまだ習得していない初学者(前著との連続学習を前提とした構成のため)
• 深層学習・ニューラルネットワーク以降の最新手法を中心に学びたい読者(本書の機械学習章はSVMや決定木など古典的手法が主軸)

読了後にできるようになること

• 特徴検出・特徴量記述(SIFT・SURF等)の原理とOpenCVによる実装方法
• オプティカルフロー・カルマンフィルタを用いた物体追跡の実装
• カメラキャリブレーションおよびエピポーラ幾何の理論と三次元再構成への応用
• 主成分分析・クラスタリング・k最近傍法・SVM・決定木・ブースティングの数理と実装
• ニューラルネットワークの基礎構造をOpenCV MLモジュールを通じて実装する方法
• 識別器の性能評価(精度・再現率・ROC曲線等)の定量的な実施方法

本書のキー概念(章解説)

• コンピュータビジョンとは？ — CV全体像の概観。前著未読者はここで用語を確認してから進む
• 第 1 章 特徴検出 — コーナー検出・BLOBの原理。Chapter2とセットで読むと理解が深まる
• 第 2 章 特徴量記述 — SIFT・ORB等のdescriptorを実装。画像マッチングの実務直結章
• 第 3 章 運動復元 — Structure from Motionの基礎。Chapter7エピポーラ幾何との連携を意識して読む
• 第 4 章 物体追跡 — カルマンフィルタ・Mean-shift等の実装。動画処理系プロジェクトで即応用可能
• 第 5 章 画像レジストレーション — 位置合わせアルゴリズムの網羅。医用画像・衛星画像処理での応用に有用
• 第 6 章 カメラモデル — ピンホールモデルと内部/外部パラメータの理解。Chapter8キャリブレーションの前提
• 第 7 章 エピポーラ幾何 — 基礎行列・本質行列の導出。3D再構成パイプラインの核心部
• 第 8 章 カメラキャリブレーション — チェッカーボード法の実装。ロボティクス・AR開発者には最重要章の一つ
• 第 9 章 3次元再構成 — ステレオマッチングと点群生成。Chapter3・7・8の集大成として位置づけ
• 第 10 章 機械学習とは？ — ML章の導入。統計的パターン認識の枠組みを整理する
• 第 11 章 人工的なデータの生成 — 評価用合成データの作り方。実験設計の視点で有用
• 第 12 章 主成分分析 — 次元削減の基礎。固有顔(Eigenface)実装例が具体的
• 第 13 章 クラスタリング — k-means等の実装。画像セグメンテーションへの直接応用を示す
• 第 14 章 k最近傍法 — 最も実装が直感的な識別器。他の識別器との性能比較の基準値として活用
• 第 15 章 ベイズ識別 — 確率的識別の基礎。事前知識が活かせる場面の判断軸を与える
• 第 16 章 サポートベクトルマシン — カーネルSVMまで網羅。少データ高次元の識別問題で今も実用的
• 第 17 章 決定木 — 解釈性の高い識別器として産業応用でも根強く使われる
• 第 18 章 ニューラルネットワーク — MLP実装。深層学習の入口として位置づけるが、CNNは別途学習が必要
• 第 19 章 ブースティング — AdaBoost等のアンサンブル。顔検出(Viola-Jones)との接続が明示される
• 第 20 章 識別器の性能評価 — ROC曲線・F値・交差検証の実装。章単独で参照価値が高い

ハイライト

• 学生だけでなく、CVの新しいアプリケーションを開発しようとしている技術者が、自身の課題に簡単に応用できるように配慮している。CVの各種の実装方法については、そのエッセンスのみから構成されるようなコーディング法で実装することを心がけている。(本書が実務エンジニアにも対応した設計方針であることを端的に示す記述)
• 各章では、まず各技術の理論について解説し、その後、その技術をOpenCVを用いて実装する方法について紹介している。実装については、各技術について1つ1つ実行できるようなプログラム例を掲載しているので、実行することで理論の理解を深めることができる。(理論→実装の章構成パターンが全21章に一貫しており、独習者が進捗を確認しやすい設計)

編集メモ

Qiita記事での言及なし(検索結果0件)。楽天ランキング情報なし。2017年刊でOpenCV3系対応のため、現行OpenCV4系・深層学習主流環境では補完的な位置づけ。前著『OpenCVによる画像処理入門』の続刊として特定の学習経路で有効

読む前に押さえておきたいこと

• OpenCVの導入と基本的な画像読み込み・表示操作の経験(前著または付録Aで補完可能)
• 線形代数の基礎(行列演算・固有値分解)。特にChapter7(エピポーラ幾何)とChapter12(PCA)で必要
• C++またはPythonによる基本的なプログラミングスキル

学習のコツ

• CV系(Chapter1-9)とML系(Chapter10-20)は独立性が高いため、目的に応じて片方を先に集中して読む戦略が有効。3D再構成に関心があるならChapter6→7→8→9の順に一気に進む
• 各章のプログラム例は必ず手元で実行する。OpenCV3系のAPIと現行4系では関数名・引数が異なる箇所があるため、公式ドキュメントと照合しながら動かすことで最新環境への移植スキルも身につく
• Chapter20(識別器の性能評価)はどの識別器を学ぶ前に先読みしておくと、各章の実験結果を批判的に評価しながら読み進められる
• 前著『OpenCVによる画像処理入門』でフィルタリング・モルフォロジー・色空間の基礎を確認してから本書に入ると、Chapter1(特徴検出)の前提理解がスムーズになる