学習ロードマップ

コンピュータビジョン入門

画像処理の基礎から CNN・物体検出・拡散モデルまで、OpenCV と深層学習を往復しながら 5 冊で現場投入できる視覚 AI 力を積む。

Pythonで学ぶ画像認識機械学習実践シリーズ

OpenCVではじめようディープラーニングによる画像認識

物体・画像認識と時系列データ処理入門 [TensorFlow2/PyTorch対応第2版] NumPy/TensorFlow2（Keras）/PyTorchによる実装ディープラーニング

OpenCVによるコンピュータビジョン・機械学習入門

コンピュータビジョン最前線 Summer 2023

SCROLL TO BEGIN

このロードマップが扱うもの

- Python は書けるが、画像を扱うコードには手を出したことがない機械学習初学者 - OpenCV を触ったことはあるが、フィルタリングから先(認識・検出)に進めずにいるエンジニア - 画像認識モデルを業務で扱うようになり、理論と実装を一度棚卸ししたいデータサイエンティスト

このロードマップの全体像

対象読者

Python は書けるが、画像を扱うコードには手を出したことがない機械学習初学者
OpenCV を触ったことはあるが、フィルタリングから先(認識・検出)に進めずにいるエンジニア
画像認識モデルを業務で扱うようになり、理論と実装を一度棚卸ししたいデータサイエンティスト

5 冊で到達する状態

画像を配列として扱う感覚を持ち、前処理・特徴抽出・評価指標を言語化できる
CNN / ResNet / U-Net など主要アーキテクチャの役割と使い分けを説明できる
物体検出・セグメンテーション・時系列処理を PyTorch / TensorFlow で実装できる
OpenCV と深層学習 API を組み合わせ、実アプリのパイプラインを設計できる
拡散モデルや CLIP など、近年の研究動向を自分の仕事の文脈に結び付けられる

進め方のヒント

1 冊目で画像処理と認識の語彙を揃え、2 冊目で OpenCV の DNN モジュールを通して現代的な検出タスクに触れる
3 冊目の写経は必ず手元で学習を回し、損失と精度の挙動を観察する時間を確保する
4 冊目はレシピとして参照し、5 冊目で最新動向(拡散モデル / CLIP)を俯瞰して視野を広げる

01
ステップ 01 Python で画像認識の地図を描く起点
02
ステップ 02 OpenCV で物体検出まで体験する
03
ステップ 03 TF2/PyTorch で CNN を自力実装
04
ステップ 04 OpenCV で CV の応用技法を広げる
05
ステップ 05 拡散モデルと CLIP の最前線を掴む

第 1 章

Python で画像認識の地図を描く起点

Python で画像認識の地図を描く起点

画像処理と機械学習の橋渡しを一冊で通す入門書。ロードマップの最初で前処理・特徴量・評価指標の語彙を揃える。
この章の 1 冊 Pythonで学ぶ画像認識機械学習実践シリーズ
田村雅人/中村克行 / インプレス / 2023

前処理から物体検出・セグメンテーションまでをPythonで実装して学ぶ
この本で身につくこと
- 画像前処理(リサイズ・正規化・データ拡張)の実装パターンと効果の違いを理解できる
- 畳み込みニューラルネットワーク(CNN)の構造と分類タスクへの適用方法を実装レベルで習得できる
- Vision Transformer(ViT)を用いた画像分類の実装と、CNNとの使い分けの判断軸が身につく
- COCO形式のデータセットを使った物体検出モデルの学習・評価フローを理解できる
想定読者: 機械学習の基礎を持ち、画像データを対象としたモデル構築に踏み出したいエンジニアや学生
本の詳細を見る →
OpenCV で物体検出まで体験する

OpenCV の DNN モジュール経由で現代的な物体検出・顔認識に触れる実装書。ライブラリの勘所と推論パイプラインを掴む位置付け。
この章の 1 冊 OpenCVではじめようディープラーニングによる画像認識
吉村康弘/五木田和也/杉浦司 / 技術評論社 / 2022

OpenCV の dnn モジュールで画像認識タスクを実装できるようにする
この本で身につくこと
- OpenCV の基本モジュール(core / imgproc / imgcodecs / videoio)を使った画像・動画処理の実装方法
- dnn モジュールを用いた推論パイプラインの構築手順(モデルロード → 前処理 → 推論 → 後処理)
- 顔検出・物体検出・画像分類・セグメンテーション・テキスト認識・キーポイント検出の各タスクを dnn モジュールで実装する方法
- ディープラーニング手法と従来の画像処理手法の使い分け判断軸を得ること
想定読者: Python の基礎を持ち、コンピュータビジョンや画像処理を実務・研究で始めたいエンジニア・研究者
本の詳細を見る →
TF2/PyTorch で CNN を自力実装

NumPy から TensorFlow2・PyTorch までを段階的に写経し、CNN と時系列処理を両輪で学ぶ中核本。理論と実装の行き来を身体化する。
この章の 1 冊 物体・画像認識と時系列データ処理入門 [TensorFlow2/PyTorch対応第2版] NumPy/TensorFlow2（Keras）/PyTorchによる実装ディープラーニング
チーム・カルポ / 秀和システム / 2021

CNN・RNN・転移学習をNumPy/TF2/PyTorchの3実装で習得する
この本で身につくこと
- NumPy・TensorFlow2（Keras）・PyTorchの3フレームワークで同一タスクを実装し、各APIの設計思想の違いを体感できる
- 畳み込みニューラルネットワーク（CNN）の構造とプーリング・ドロップアウトの役割を実装レベルで理解できる
- CIFAR-10でデータ拡張を組み合わせ、90%精度に到達するモデルを自力で構築できる
- VGG16などの事前学習済みモデルを用いた転移学習・ファインチューニングを実施できる
想定読者: Pythonの基礎はあるがディープラーニングは未経験で、画像認識・時系列処理を手を動かしながら学びたい入門者
本の詳細を見る →
OpenCV で CV の応用技法を広げる

物体追跡・三次元再構成・機械学習連携など OpenCV の応用技法を俯瞰するレシピ集。実アプリ設計の引き出しを増やす応用段。
この章の 1 冊 OpenCVによるコンピュータビジョン・機械学習入門
中村恭之/小枝正直/上田悦子 / 講談社 / 2017

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
この本で身につくこと
- 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
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
本の詳細を見る →
拡散モデルと CLIP の最前線を掴む

拡散モデルや CLIP など最新研究のサーベイ。実装力の次段として、論文ベースの動向を自分の現場テーマに接続するための到達点。
この章の 1 冊 コンピュータビジョン最前線 Summer 2023
井尻善久/牛久祥孝/片岡裕雄/藤吉弘亘 / 共立出版 / 2023

拡散モデル・CLIPからジェスチャー生成まで CV 研究の最前線を縦断する
この本で身につくこと
- 拡散モデルの基本原理・条件付き生成への拡張・推論高速化手法と、学習を深めるための厳選リソースを把握できる
- OpenAI が提案した CLIP の仕組みと、各種下流タスクへの応用戦略を理解できる
- CNN 不要な Transformer ベースの画像キャプション生成手法 GRIT の設計思想と、高速化の工夫を解説できる
- ジェスチャー動作生成の主要手法(DisCo / BEAT)を分類軸とともに整理し、残課題を説明できる
想定読者: コンピュータビジョン研究者・大学院生、および深層学習を用いた画像・映像処理の実装経験を持つエンジニア
本の詳細を見る →