まずは、この度のご受賞まことにおめでとうございます。画像処理エンジニア検定は、CG-ARTS検定 5種の中でも、社会人の方が多く受験されており、上位のエキスパートとなると更に難易度の高い検定になります。 難易度の高いこの検定で優秀な成績を収められましたが、どのように学習を進められましたか。
テキストは最初に一度読んだだけでしょうか。
最初に全体を一周した後は、問題演習の中でつまずいた箇所を中心に読み返しました。分からない点が出るたびに該当ページに戻り、理解できるまで確認するようにしていました。
日頃の業務で既に理解していた内容と、新しく学んだ内容にはどのようなものがありましたか。
業務で扱っているため馴染みのある内容もありましたが、用語は知っていても仕組みまで説明できないものや、ツールとして使っていても背景の理屈までは理解できていない技術もありました。学習を通じて、そうした基礎知識を体系立てて整理できたと感じています。
現在の業務では、主にカメラの画像処理や、画像から対象物を判別するAIに関する技術開発に携わっています。
事例としては、街の高所カメラから煙を検知して火災の早期発見につなげる防災システムなどに携わりました。
一方で、映像分野は日常業務では触れる機会が限られます。普段実践しづらい領域を座学で補強できた点も、大きな収穫でした。
画像AI連携プラットフォーム Bind Vision
https://www.canon-its.co.jp/corporate/newsrelease/2024/pr-0327
学習にはどのくらいの期間をかけましたか。
全体では約半年です。本格的に学習量を増やしたのは試験の2か月前で、そこから集中的に仕上げました。
より難易度の高いエキスパートを受験されていますが、大学では何を専攻されていましたか。
大学では電気電子工学を学びました。研究室では千葉大学の伊藤先生の下で、ホログラフィ（3次元ホログラム）に関する研究に取り組んでいました。画像処理が専門というわけではありませんが、近い領域で学んでいました。
この検定を今後どのように活かしていきたいか、展望をお聞かせください。
現在取り組んでいる映像認識系のAI技術に、今回学んだ知識を結び付けていきたいと考えています。例えば煙の検出では、煙ではない箇所に反応してしまうことが課題になることがあります。こうした場面で、業務で培ったAIの知見と、検定で体系的に学んだ画像処理の知識を組み合わせ、精度向上につなげていきたいです。
今回の受験を機に、業務で使うAIや画像処理の背景理論を体系化し、普段触れない映像分野を座学で補強できたこと、今後は「実務のAI知見×検定の画像処理知識」を掛け合わせ、映像認識AIの精度向上（誤検知対策など）に活かしていくという力強い展望を語っていただきました。
今回取材にご協力いただきました皆様、ありがとうございました。
左から八島和仁氏、古川亮太氏、八尾唯仁氏、前田凡之氏
