セミナー 印刷
【 2 名 同 時 申 込 で 1 名 無 料 】 対 象 セ ミ ナ ー 【Live配信セミナー(Zoom使用)】 ※会社・自宅にいながら学習可能です※

【Live配信(リアルタイム配信)】 
ディープラーニングによる顔識別の高精度化と
最適な撮影システム

顔の表情、経年変化、整形手術、メガネやマスクの有無にはどう対応する?
Webカメラで撮影したような品質の劣る顔画像ではどうなる?

変動要因が多い、複雑な顔画像の識別にはディープラーニングを活用しよう!
カメラ側の工夫でより識別の精度を高めよう!
警察庁で顔画像識別技術の応用研究に従事した経験を持つ講師が、
顔識別の仕組みから、その性能、最新動向、
ディープラーニングの具体的な活用方法までを解説します。
日時 2020年11月30日(月)  10:30~16:30
会場 Live配信セミナー(リアルタイム配信) ※会社・自宅にいながら学習可能です※  
会場地図
受講料(税込)
各種割引特典
49,500円 ( S&T会員受講料 46,970円 ) S&T会員登録について
定価:本体45,000円+税4,500円
会員:本体42,700円+税4,270円
S&T会員なら、2名同時申込みで1名分無料 1名分無料適用条件
2名で49,500円 (2名ともS&T会員登録必須​/1名あたり定価半額の24,750円)
【テレワーク応援キャンペーン(1名受講)【Live配信/WEBセミナー受講限定】
 1名申込みの場合:受講料( 定価:35,200円/S&T会員 33,440円 )
  35,200円 ( S&T会員受講料 33,440円 )
   定価:本体32,000円+税3,200円
   会員:本体30,400円+税3,040円
 ※1名様でLive配信/WEBセミナーを受講する場合、上記特別価格になります。
 ※お申込みフォームで【テレワーク応援キャンペーン】を選択のうえお申込みください。
 ※他の割引は併用できません。
配布資料・製本テキスト(開催日の4,5日前に発送予定)+PDFテキスト(印刷不可)
 ※セミナー資料はお申し込み時のご住所へ発送させていただきます。
 ※開催まで4営業日~前日にお申込みの場合、セミナー資料の到着が、
  開講日に間に合わない可能性がありますこと、ご了承下さい。

   ※PDFテキストはマイページより任意でダウンロードいただきます。(開催の営業日2日前よりダウンロード可)
オンライン配信【ZoomによるLive配信】
  ・本セミナーはビデオ会議ツール「Zoom」を使ったライブ配信セミナーとなります。
  ・お申込み受理のご連絡メールに接続テスト用のURLが記されております。
  「Zoom」のインストールができるか、接続できるか等をご確認下さい。

  ・後日、別途視聴用のURLをメールにてご連絡申し上げます。
  ・セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
  ・リアルタイムで講師へのご質問も可能です。
  ・タブレットやスマートフォンでも視聴できます。
備考※資料付
※講義中の録音・撮影はご遠慮ください。
得られる知識
・ディープラーニングの動作原理、仕組み、立ち上げ方、学習方法
・ディープラーニングによる顔識別の動作原理と仕組み
・ディープラーニングで顔識別が高精度化する理由と最先端の識別性能
・デジタルビデオカメラの機能と性能
・顔識別技術とデジタルビデオカメラを組み合わせた「機械の目」の特性
・他人誤認率を極力低減した上で本人発見率を高めるための撮影システム
・顔識別における「人の目」と「機械の目」の特性の違い
 
受講対象
・ディープラーニングの原理、仕組み、立ち上げ方、学習方法などを知りたい方
・顔識別技術の仕組み、性能、最新動向などを知りたい方
・顔識別技術とデジタルビデオカメラを組み合わせた「機械の目」の特性や性能改善方法を知りたい方、など
(ディープラーニングや顔識別技術にご関心があれば、特段の予備知識は必要ありません。)
 

セミナー講師

澤田雅之技術士事務所 所長 技術士(電気電子部門) 澤田 雅之 氏
【専門】顔画像識別技術、ドローン技術、AI(ディープラーニング)  【Web
1978年に警察庁に入庁し2013年に警察情報通信研究センター所長を退職するまでの通算10年間に渡り、顔画像識別技術の警察活動への応用研究に従事。
2018年に「同一人物映像に対する顔画像間欠切出し制御機構を用いたターゲット発見システム」の特許を取得。
【主な著作】
◯ 顔画像識別における人の目の特性と機械の目の特性 : 警察政策第17巻、2015年
◯ 顔画像識別技術と監視カメラが産み出す機械の目の特性 : 月刊技術士3月号、2016年
◯ 警察情報通信の発注者エンジニアリング 〜 ターゲット発見システムの実現に向けて : 警察政策第19巻、2017年
◯ AIで飛躍的に進化する顔画像識別技術 : 警察政策第23巻、2021年2月発行予定

セミナー趣旨

 今日の顔識別技術は、ディープラーニングの活用により、「人の目」を遥かに超えたびっくりするような性能が実現しています。例えば、整形手術や長期経年変化により「人の目」には全くの別人としか思えないような顔でも、顔識別技術では瞬時に看破することができます。顔画像には6つもの変動要因(緻密度、鮮明度、撮影角度、表情、経年変化、メガネやマスクの有無)があるので、人の手による識別アルゴリズムの明示的な設計が難しい対象でした。このような対象こそ、ディープラーニングを用いて、ニューラルネットワークの中に識別アルゴリズムを暗示的に生成する方法が、大きな効果を発揮できるところなのです。
 本セミナーでは、ディープラーニングの基礎から始め、ディープラーニングによる顔識別の仕組みや動作、最先端の識別性能などを、多数の顔画像を例示して分かりやすく説明します。また、顔識別技術の優れた性能をフルに引き出すには、最適な撮影システムの構築が欠かせません。そこで、デジタルビデオカメラの特徴や性能、顔識別技術とデジタルビデオカメラを組み合わせた「機械の目」の特性や識別精度向上方策などについても、分かりやすく説明します。

セミナー講演内容

1.「人の目」を遥かに凌駕する顔識別技術
 1.1 顔識別技術による照合が瞬時にできる理由
 1.2 顔画像の品質と識別精度との関係
  (1) 顔画像の緻密さ
  (2) 顔画像の鮮明さ
  (3) 顔の撮影角度
  (4) 顔の表情、経年変化、整形手術、メガネやマスクの有無
 1.3 顔識別技術の仕組み
  (1) 顔画像の検出、特徴抽出、照合、の3段階
  (2) ディープラーニングを用いない顔識別技術の仕組み
  (3) ディープラーニングを用いた顔識別技術の仕組み

2.ディープラーニングとは?
 2.1 ディープラーニングでアルゴリズムが暗示的に生成できる理由
 2.2 ディープラーニングの学習フェーズで目指すのは「汎化したアルゴリズム」
 2.3 「汎化したアルゴリズム」の具体的な生成方法

3.顔識別におけるディープラーニングの具体的な活用方法
 3.1 顔識別で用いるディープラーニング
  (1) CNN(畳み込みニューラルネットワーク)
  (2) R-CNN(領域提案できる畳み込みニューラルネットワーク)
 3.2 顔画像の検出にR-CNNを活用
  (1) R-CNNで顔画像を検出する仕組みと動作
  (2) 的確に顔画像を検出するための学習フェーズ
 3.3 顔画像からの特徴抽出にCNNを活用
  (1) CNNで顔特徴ベクトルを生成する仕組みと動作
  (2) 理想的な顔特徴ベクトルを生成するための学習フェーズ

4.米国立標準技術研究所の「顔認識技術に係るベンダーテスト(FRVT)」
 4.1 2013年FRVTと2018年FRVTの結果を対比
  (1) 各FRVTに参加した企業
  (2) Mugshot画像(高品質な顔画像)による識別精度の対比
  (3) Webカメラ画像(品質の劣る顔画像)による識別精度の対比
  (4) 対比した結果から、ディープラーニングの活用効果が明白
 4.2 2018年FRVTからわかる、最先端の顔識別技術の性能
  (1) 品質が劣る顔画像に対する識別性能
  (2) 長期経年変化した顔に対する識別性能
  (3) 真横顔に対する識別性能
  (4) 同一人物の複数ショット照合による識別精度の向上
 4.3 FRVTの結果から、高精細デジタルビデオカメラの活用が鍵

5.顔識別技術とデジタルビデオカメラを組み合わせた「機械の目」の特性
 5.1 本人発見率と他人誤認率はトレードオフの関係
 5.2 顔識別技術の特性に応じた撮影システムを構築
 5.3 他人誤認率を極力低減した上で本人発見率を高める方法

6.デジタルビデオカメラの特徴と性能
 6.1 デジタルビデオカメラに内蔵されたデジタル処理機能
  (1) 誤り訂正機能
  (2) 3次元ノイズリダクション機能
  (3) ワイドダイナミックレンジ機能
 6.2 デジタルビデオカメラの2つのタイプ
  (1) ネットワークカメラ
  (2) HD-SDIカメラ
 6.3 低照度環境下で使用するデジタルビデオカメラ
  (1) 高感度カラービデオカメラ
  (2) デイナイトカメラ
 6.4 顔識別に用いるデジタルビデオカメラ選定上の留意点
  (1) 高速シャッター撮影が可能か?
  (2) プログレッシブスキャン方式か?

7.法務省の「日本人出帰国審査における顔認証技術に係る実証実験」
 7.1 実証実験の概要
  (1) 実証実験に参加した5社
  (2) 静止中撮影実験
  (3) 歩行中撮影実験
 7.2 実証実験の結果
  (1) 静止中撮影の結果は、歩行中撮影の結果に常に勝る。
  (2) 歩行中撮影システムの適否が、結果を大きく左右

8.「機械の目」の活用 ~ 被疑者写真検索システム
 8.1 システムの概要と構成 ~ オフラインシステム
 8.2 システムの発見率向上方策
  (1) 検索精度は、防犯カメラに遺留された顔画像の品質次第
  (2) できる限り緻密で鮮明な遺留顔画像の選択と切り出し
  (3) 防犯カメラの高精細デジタル化
  (4) 「人の目」による確実な確認

9.「機械の目」の活用 ~ ターゲット発見システム
 9.1 システムの概要と構成 ~ オンラインシステム
 9.2 ターゲットを発見するためのポイント
  (1) 監視カメラで顔画像を捉えてから発見の警報を出すまでの所要時間は秒の単位
  (2) 他人誤認率を極力低減した上で本人発見率を向上
  (3) 「人の目」による迅速確実な確認

10.顔識別における「人の目」の特性
 10.1 「機械の目」の判断結果を「人の目」で確認
 10.2 「人の目」と「機械の目」の顔識別特性の違い
 10.3 「人の目」による顔の異同判断
  (1) 顔の細部形状の異同判断は苦手
  (2) 表情を造り出す部位によく注目
  (3) 「平均顔」からのずれが大きい部位によく注目
 10.4 「人の目」が顔を記憶する特性 ~ 「再生」と「再認」
  (1) 「再生」は意識レベルの特性で、思い出すのは顔の細部形状よりも印象
  (2) 「再認」は無意識レベルの特性で、びっくりするほど高精度

  □質疑応答□

【キーワード】ディープラーニング、AI、CNN、畳み込みニューラルネットワーク、R-CNN、領域提案できる畳み込みニューラルネットワーク、顔識別技術、顔認証技術、デジタルビデオカメラ、監視カメラ、防犯カメラ