開催主旨

近年、AIを活用した画像認識システムや外観検査システムは、製造業、医療、自動車、インフラ点検など幅広い分野で実用化が進んでいます。一方で、AIシステムの性能は入力画像の品質や学習データの品質に大きく左右されることが知られており、開発段階では高性能であったシステムが実運用環境で期待した性能を発揮できないケースも少なくありません。
また近年では、生成AIによる画像生成技術の急速な発展に伴い、生成画像の品質評価やAIの判断根拠の説明可能性（Explainable AI）、さらにはAIシステム全体の信頼性評価や品質保証に対する関心が高まっています。

本講座では、画像品質評価（Image Quality Assessment: IQA）の基礎から、AI画像認識システムの性能評価手法、学習データ品質の考え方、Explainable AIによる判断根拠の可視化技術、生成AI画像の品質評価およびHallucination問題までを体系的に解説します。さらに、外観検査、医療画像、自動運転などの実応用事例を紹介しながら、AI画像システムの性能・品質・信頼性をどのように評価し保証していくべきかについて実践的な知識を習得していきます。

受講対象者

•AIを活用した画像認識システムを開発している技術者
•AI外観検査システムの開発担当者
•品質保証・品質管理部門の技術者
•画像処理・コンピュータビジョン技術者
•AIプロジェクトの企画・導入担当者
•医療画像、インフラ点検、自動運転等においてAI利用を検討している技術者
•AIシステムの評価方法や信頼性評価に関心のある研究開発担当者
•Explainable AIや生成AI評価技術を学びたい方

習得可能知識

•AI画像システムにおける性能評価の基本的な考え方
•画像品質評価（IQA）の基礎知識と代表的評価指標（PSNR、SSIM等）
•AI認識性能に影響を与える画像劣化要因の理解
•学習データ品質やデータバイアスの評価方法
•Accuracy、Precision、Recall、F1-score等の性能指標の適切な利用方法
•混同行列を用いたAI性能分析手法
•Explainable AI（Grad-CAM等）による判断根拠の可視化技術
•生成AI画像の品質評価手法（FID、CLIP Score等）
•Hallucination問題とAI信頼性評価の考え方
•AIシステムの品質保証・信頼性評価に関する最新動向

 本セミナーのテキストは、PDFにてお送り致します。
※お申込みの際に、テキストを受け取れるメールアドレスを記入して下さい。
（申込アドレスと異なる場合は、申し込みフォームの備考欄にてお知らせください。）