Kyoto NotreDame University, 2022
このファイルは，京都ノートルダム女子大学の2022年後期の授業「AIとデータサイエンス入門」の第4回講義の講義資料（パワーポイント）と実習テキスト（Mathematicaノートブック）をまとめたものです．​
​「講義で学んだことを実習で体験し理解を深める」ために，毎回の授業は講義＋実習で構成され，受講学生はWolfram Cloudで実習を行いました．​
​この授業の様子は，大学のホームページ（ND大ブログ）にも紹介されています．

AIとデータサイエンス 入門(実習)

ー第４回 データ活用のための技術
　　　　（構造化データと非構造化データ） ー
2022/10/20 北村・金光（ウルフラムリサーチ）

本日の内容

◼
  • １．先週の振り返り
    • ◼
  • ２．データ解析とは？
    • ◼
  • ３．画像のデジタル化
    • ◼
  • ４．音のデジタル化
    • ◼
  • ５．音声認識技術
    • ◼
  • ６．まとめ
    • ◼
  • ７．【実習】光の三原色(RGB)/画像処理/音の処理/音声認識

    • 講義スライド

    スライドの上のページ番号をクリックして，全16ページのスライドを順にご覧ください．
    Out[]=
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    指定教科書：はじめてのAIリテラシー（技術評論社）

    本日の実習

    ■
    光の三原色（RGB）
    RGBの組み合わせでどのように色が変わるかみてみよう．
    ■
    画像処理
    画像データの中身をみて，コンピュータが画像をどう扱っているのかを実感しよう．
    ■
    音の処理
    音データの波形を見てみよう．
    ■
    音声処理
    テキストから音声合成してみよう．

    光の三原色

    色は光の三原色（赤R, 緑G, 青B）からできている．

    RGBColor関数は，{赤，緑，青} の値を組み合わせることで色を表現する．値は，0~1の範囲で指定する．
    RGBColor[{1,0.5,0.2}]
    Out[]=
    スライダーを動かして，R,G,Bの色を変えてみよう．
    Manipulate[Graphics[{RGBColor[r,g,b],Disk[]}],​​r,1,"赤",0,1,Appearance"Open",​​g,0,"緑",0,1,Appearance"Open",​​b,0,"青",0,1,Appearance"Open",FrameLabel"RGBColor",ControlPlacementLeft]
    Out[]=
    ​
    赤
    0.
    緑
    0.
    青
    0.
    RGBColor
    ３次元で，RGB( Red/Green/Blue) の色空間を見てみよう．
    キューブはマウスをドラッグすることで回転して見ることができる．
    Graphics3D[{Opacity[.7],{RGBColor[#],Cuboid[#,#+.1]}&/@Tuples[Range[0,1,.2],3]},AxesTrue,AxesLabel{"Red","Green","Blue"},Lighting"Neutral"]
    Out[]=

    画像処理

    実際に画像データを使って見ていこう．​
    ​まず，変数名 im に画像データを = でセットする．​
    ​必ず，下の画像のあるコードのセミコロン（；）の後ろにカーソルを合わせ，+して実行する．​
    ​（＊ここを実行しないと，画像データを im という変数にセットされず，​
    ​その後のプログラムが正しく動かないので注意．）
    In[]:=
    im=
    ;

    画像データの中身

    ImageData関数で，画素値の並びが見れる．画像データの中身を見ると，数値の集合であることがわかる．
    Dimensions関数で 次元を見ると，画像データの画素数は，200x200 であることがわかる．
    最後の 3 は,１つのマスにRGBの３つのデータが入っていることを意味する．
    以下のプログラムで，[[1,1]]は，左上の１マスを指しており，{R,G,B} に対応している．
    これを RGBColor関数の引数として入れて実行すると，実際の色がわかる．

    リサンプリング

    200x200の画像を，50x50にリサンプリングする．
    標本化（サンプリング）の数を減らすと，解像度が下がり，画質が悪くなる．
    ImageResizeでもっと小さい数字にしたらどうなるだろうか？
    ​
    画像部分をマウスでクリックして，オレンジの枠の端の方でドラッグすると，表示サイズを変えられる．
    大きく表示して画質がどうなったかをよく見てみよう．

    白黒画像に変更

    0と1に二値化するBinarize関数に入れると，白黒の画像になる．リサンプリングした imR の画像で見てみよう．
    以下のプログラムを実行し，カラーのオリジナル画像データの時と画素値はどう変わったかを確認しよう．

    音の処理

    音データの波形を見てみよう．

    ExampleDataに入っている音データを取り込む．
    AudioPlot関数で音データの波形を見てみよう．
    データの中身はどうなっているだろうか？AudioData関数で確認してみる．
    データ数が多いので，最初の50個だけをプロットしてみる．
    縦軸のメモリの数字が非常に小さいことに注目．
    上のグラフではほぼ直線に見えていたところも，拡大すると細かい波形になっていることがわかる．

    ExampleData関数にはいろいろな音データが入っている．

    Drums（ドラム）の音を聞いてみよう．
    AudioPlot関数で見ると，２つの波形が表示される．
    これは，ステレオサウンド（スピーカーやイヤホンの右と左）である．

    音声処理

    英文から音声合成をしてみよう．

    SpeechSynthesize関数では，タイピングされた文章から音声合成をする．
    （文字列はダブルクォーテーション(")で囲むことに注意する．）
    AudioPlot関数で見てみる．
    SpeechRecognize関数では，逆に，音声（合成）データから文字起こしもできる．
    簡単な英文で音声合成してみよう．

    OMAKE: 音声認識の日本語対応バージョン

    ＊現在，Cloud版のMathematicaでは，英語のみ音声認識に対応しているが，PCにインストールするMathematica Desktop版では，一部の音声認識関数は，日本語にも対応している．

    日本語の文から音声合成（Desktop Mathematicaのみ対応）

    SpeechSynthesize関数では，タイピングされた文章から音声合成をする．
    （文字列はダブルクォーテーション(")で囲むことに注意する．）
    日本語として理解してほしい場合は，Language->”Japanese”　というオプションを指定する．
    AudioPlot関数で見てみる．
    残念ながら，音声から文字起こしのできるSpeechRecognize関数はまだ英語以外には対応していない．
    マイクからの音声をリアルタイムに取り込むこともできる．
    さまざまな音声処理の関数は言語に関わらず利用できる．例えば，録音した音声データにリバーブ（残響効果）を与えてみる．
    ©Mihoko Kitamura/Akiko Kanamitsu, 2022​
    ​mihokok@wolfram.com, akikok@wolfram.com