トップページ支援2021年度卒業論文配属サポートページ

2021年度卒業論文配属サポートページ

担当者: 金子邦彦

URL: https://www.kkaneko.jp/a/2021.html

お知らせ

2021 年度の指導方針

金子研究室配属の4年生(皆さんの先輩)2名が,2021年3月に,電子情報通信学会で学会発表した

人工知能を用いた車体やナンバープレートの認識, マスクや眼鏡で部分隠蔽された顔画像の認識(顔画像を使い,人物の称号を行う)についての研究発表です.

就職活動について

大学より,就職関係イベントの案内が行われていると思います.ぜひ,積極的に参加,情報収集を続けてください. 卒論指導教員は,履歴書の書き方などの相談をいつでも受け付けます.

2021年3月2日 15時より Zoom 配信予定(毎週火曜日 15時の予定

Zoom の URL は,開始の数分前ごろまでに,ゼルコバと,電子メールでお知らせするようにします.

卒業研究を進めるとき,進路や自己分析を考えるとき,そして,将来,情報工学のプロとして活躍するときに役立ちます.

活動記録と活動予定

分類は、いろいろ種類があるが、「画像分類」について、一連の流れを説明する。

流れ:ニューラルネットワークの作成 ー> 学習 ー> 検証

この流れは、ニューラルネットワークを使い学習するというときは、だいたい同じである。

画像分離のニューラルネットワークは、既存の研究として CNN がある。CNN にも様々種類がある。

さまざまある CNN は、インターネットでダウンロードして使うことができる。

学習済みの CNN を、インターネットでダウンロードして使うこともできる。

中間発表
 各自の活動
 ・テーマを決める
 ・仮説、実験、検証
 ・自分の研究の「基礎」は自分で理解し、「基礎」が何なのか、自分なりに調べたことも発表に含めてよい
 ・Google Colab 等を用いて実験にチャレンジ。「うまくいかないこと」に直面したら、それがどういう問題で、どう解決できそうか、という考察が大事。仲間や先生に助けを求めてみることも。
 ・ポスターを作り、セレッソでアップロード(予定)
 ・先生から質問が来るので答える(予定)
学会発表
 各自の活動
 ・仮説、実験、検証
 ・発表持ち時間の範囲で、自分の研究について発表する
  • 6/1 火曜日

    ニューラルネットワークの学習の基礎

    エポック: 同一の教師データを繰り返し使用して学習.1回しか使わない場合は学習不足の問題がありえる.そのことを解決.

    過学習(オーバーフィットともいう): 教師データの繰り返し使用により,精度は向上するが,検証データでの精度は向上しないか低下.

    過学習の可能性があるため,必ず,検証データでの精度の検証を行う

    過学習の解決

  • 5/25 火曜日 13:30 (遠隔)

    研究の基礎

    研究室の諸君による提案とフィードバック

    皆さんの検討を誇らしく思います。

    皆さんの提案は、それぞれ、個性あり、特色のあるものでした。 各人の提案の個性を尊重したいため、私が、そのままコピー&ペーストすることは避けます。どのような提案がなされたかの内容を、次のようにまとめ、皆さんとシェアしたいと思います。

    人工知能の良さ: コンピュータに学習能力等を持たせる技術。人間の想定を超えた学習がありえる。人工知能の学習のためには、大量のデータが必要であるし、学習に適した優れたデータを必要とする。

  • 5/21, 宿題について,電子メールでアナウンスしました.

    宿題について

    各自「研究したいこと」を行うには、何の技術を使いますか。そして、その技術がうまく動く「基礎」は何でしょうか?

  • 5/18 火曜日 13:30 (遠隔)

    次の問いを、金曜日13時30分までの宿題とします。

    各自「研究したいこと」を行うには、何の技術を使いますか。そして、その技術がうまく動く「基礎」は何でしょうか?

    各自の研究テーマの確認を行いました.

    人工知能応用,3次元データベースの分野でした.

    各自が自己考察を開始するきっかけとなることも願っています.

  • 5/14 金曜日 13:30 (遠隔)

    皆さんの不安がないこと.楽しく(無用なストレスなく)実験や調査などの取り組みができること.コロナ禍に正しく対応すること.年間スケジュールを再確認すること.卒論のテーマについて,各自で考察すること.

  • 5/11 火曜日 13:30 (遠隔)
    https://openstreetmap.jp/map#zoom=7&lat=38.06539&lon=139.04297&layers=B0FF

  • 5/7 金曜日 13:30 予定 (遠隔)

    資料:https://www.kkaneko.jp/cc/dbenshu/db1.pdf

    大量データの管理.

    数十万行のデータを扱うという機会は,よくあります.Excel で数十万行のデータを扱おうとすると,ちょっとした処理で1時間近くかかった,ということもありえます.

    そこで,リレーショナルデータベースが役に立ちます.

    リレーショナルデータベースは授業で学んだ,SQL は独特,と思っている人もいるかもしれません.

    Python と SQL の組み合わせを教えます. これで,数十万行のデータが入ったファイルを Python で読み込んで,SQL で簡単に高速処理が簡単にできるスキルが身につきます.

    実演では,150行のCSV ファイル(カンマ区切りファイル)を,リレーショナルデータベースに取り込むことがとても簡単にできることを示します(将来,大量データを扱うことになったときに役に立つスキルです).

  • 4/27 火曜日 13:30, 次元削減

    その資料

  • 4/20 火曜日 13:30, Python 入門

    Python について.Python は簡単に使うことができるプログラミング言語.卒業研究でも便利に使っていきたい.

    その資料: 変数,式,関数,クラス,コンストラクタ,クラスの属性アクセス,メソッド,親クラスからの継承 [PDF], [パワーポイント]

  • 【サイト内の関連ページ】

  • 4/13 火曜日, 人工知能を用いた一般物体検出

    人工知能でできることとして,今まで見ていただいた「分類」のほかに,「一般物体検出」があることを見ていただきます.

    TensorFlow 2 Object Detection API (オブジェクト検出 API),TensorFlow のチュートリアルのプログラムを使用

    このプログラムでは,CenterNet HourGlass104 1024x1024 を用いている. そして,COCO データセットを用いて事前学習済みのものを用いている.

    URL: https://www.kkaneko.jp/db/objdetect/tfmodels.html

    [image]
  • 4/6 火曜日, 人工知能を用いた画像分類,データのデータ拡張 (data augmentation) の効果

    人工知能の学習では「データのデータ拡張」が必須である(教師データを数万以上に増量する必要がある) ことを見ていただきます

    増量

    [image]

    増量

    [image]

    画像データの拡張,CNN による画像分類,モデルの作成と学習と検証(tf.image を用いて増強,MobileNetV2,TensorFlow データセットのCIFAR 10 データセットを使用)(Google Colab 上もしくはパソコン上)

  • 3/30, 文章の2クラス分類(ニューラルネットワークを利用)

    2クラス分類,モデルの作成と学習と検証(TensorFlow,KerasIMDb データセットを使用)

    [image]
  • 3/23, 3次元地図の制作

    オープンデータ(建物や地形のオープンデータ)を活用して,3次元地図を作成する. (データの著作権は製作者にあり,適切な利用を心がけること)

    [image]
  • 3/16, TensorFlow データセットの利用,モデルの作成,モデルのコンパイル、モデルの学習,モデルの検証(ニューラルネットワークを使用)

    ニューラルネットワークの学習を行うときのポイント:データセットを準備する.そして,検証を行う(学習不足や過学習がないことを確認する).

    [image]
  • 3/9, OpenCV を用いた文字検知(人工知能の機能を一部紹介)(ニューラルネットワークを使用)

    簡単なプログラムで動くことを見てもらう.他のプログラムの中に組み込んで使うことも簡単にできるということはお伝えしておく.

    [image]
  • 3/2, 人工知能による画像分類(ニューラルネットワークを使用)

    Google Colaboratory でのオンラインでの実行など

    ImageNet で事前学習済みの CNN を用いた画像分類(MobileNetV2,ResNet50,DenseNet 121,DenseNet 169,NASNetを使用)(Google Colab あるいは Windows あるいは Ubuntu 上)

    [image]

    卒業研究のための登校については改めて連絡します。

    コロナ感染対策のため,学生が登校しての活動は,安全に気をつけながら,必要最低限としています. 卒業研究のための、4月からの活動については、改めて案内します。 学校に来ていただいて活動するかも知れませんし、自宅で、リモート形式で参加していただくことになるかも知れません。

    このような状況であっても,みなさんが,安全に,効率よく,最大限学べますように工夫したいと考えています.

    Java のプログラミング等の実務体験について

    3月に開始できるかもとお知らせしていましたが,諸事情により延期となりました. 改めて,案内いたします.

    進路と大学院について

    進路については、就職、大学院への進学などがあります。

    福山大学にも大学院があります。 大学院はさまざまな専攻があり、その1つに「情報処理工学専攻」があります。

    <福山大学大学院の情報処理工学専攻>

    金子研究室では、大学院においては、 企業さんとも連携した実製作、学会発表などでの体験や他大学学生との交流も 重視しているなど、有意義な活動ができます。 金子邦彦は,他大学での指導歴を含め,修士学生50名以上、博士学生数名の指導経験があり、指導には自信があります。 楽しく学び成長できる場を与えます。

    金子研究室ポリシー

    金子研究室では、次のようにポリシーを定めています


    研究の進め方についてのアドバイス

    運営

    ・研究室内のパソコン等は、自由利用とします

    ・集合日は,週に1度(様子を見ながら増やします).案内、情報提供とします.その他の日も、毎日来ていただくのは構いません。

    ・次を課題、宿題として出したいと考えています.事前準備については,相談します.

    中間発表(7月)(ポスター)、学会発表原稿(8月)(原稿1枚)、学会発表(10月)(プレゼン)、卒論(12月)(本文20枚以内程度、概要1枚)、卒論プレゼン(プレゼン)、学会発表(3月)(ポスター)

    ※ ポスターはポスターを展示すること.プレゼンはパワーポイントで発表し,質問等を受付けること(質問者は学科教員、他大学の先生である)

    テーマ候補と活動内容

    ・テーマは次のものから、各自相談の上選びます。2名でのグループ研究を前提とします。

    1. 写真からの立体再構成

      勉強できること:立体再構成技術、人工知能応用、3次元データベース、ポリゴン、3次元点群

    2. 3次元データベース、3次元計測

      勉強できること:地形、道路、3次元センサー、レーザーレンジファインダー

    3. 顔認識、表情や顔の向きの観測、集団様態分析

      勉強できること:人工知能応用、顔のアラインメント、ビデオの計測

    4. 人体のポーズ、手の指の運動の解析、人数カウント、歩行者の行動の認識、歩行者の安全判定、人流分析

      勉強できること:人工知能応用、添加学習、過学習

    5. ナンバープレート、車の向きの推定、車種推定、車両の挙動(直進、停止、右左折)の認識、逆走認識

      勉強できること:人工知能応用、添加学習、過学習、画像データベース、ナンバープレート認識システム、文字認識

    6. 画像と人工知能応用

      勉強できること:奥行き推定、画像分類、画像のセグメンテーション、物体認識

    7. データベース高速処理

      勉強できること:Python、JSON、センサーデータベース、SQL、CSV ファイル、データベース管理システム

    8. 無線を用いいた車両観測

      勉強できること:Java、センサーデータベース、SQL、データベース処理

    9. 人工知能のマネジメント

      勉強できること:AI、ディープラーニング、TensorFlow, Keras、添加学習、メタパラメータ、ニューラルネットの可視化、データベース

    10. 小型コンピュータとAI カメラ制作

      勉強できること:NVIDIA Jetson、ラズベリーパイ、ディープラーニング、データベース

    11. 日本全国の道路地図システム高速処理

      勉強できること:リレーショナル・データベース、リンク、メッシュ

    トピックス

    人工知能応用,ディープニューラルネットワーク,データベース応用、データベース高速処理、3次元データベース、ビッグデータ解析 (センサーによる車両や人流の観測と把握)

    感染拡大防止の手立て

    登校しての活動については,大学から連絡が行われています.

    健康状況調査に回答しておいてください

    https://forms.office.com/Pages/ResponsePage.aspx?id=Lk_g9n8CrkiRIttUkjqVVSdwRRVzqxhKpzDz0KjzZEZUNENVSTQzUlU4WFgxQlpRRVRIUTlHU0dOTiQlQCN0PWcu

    次のようにお願いします.


    先輩の卒論: 別ページに載せている.

    活動記録

    1. 12/8

      OpenPose: 人体のポーズ,指の形などをコンピュータが読み取る. 様態や人間の意図をコンピュータが判断できる技術の基礎になりえる.

      • 人工知能でできること:人体のポーズの認識、指の動き等の認識
        • OpenPose のセットアップ

          自分のパソコンでもインストールできます

          資料:OpenPose 1.7.0 を使ってみる

          (研究室のパソコンでインストール済みであれば,そのまま使う.インストールがまだであれば,インストールする)

        • OpenPose の諸機能確認 : 動作不具合があれば対処します

          人体のポーズの認識、指の動き等の認識

          資料:Windows で OpenPose を使ってみる

          資料の「CPU 版を使う場合」は行わない(資料のその部分は飛ばしてください)

        • カメラで各自体験 (ここまで終えたら小休止とする)
      • 実験、研究のプロセスや実験データの整備について体験的に学ぶ
        • 手や顔の匿名化ができる技術の紹介

          手や顔にモザイクをかける

          https://www.kkaneko.jp/db/mosaic/deepmosaic.html

        • JSONデータファイル, OpenPose での JSON データファイル
        • OpenPose を用いた実験テーマを各グループで定めること。この実験テーマは、今回の授業で使う(次回以降は別のことを行う)
              例1:コンピュータが人数カウント
              例2:コンピュータがポーズを読み取り、人間の意図を推定
              例3:コンピュータが指の動きを読みとり、人間の意図を推定
          
        • 実験データ収集(グループワーク)

          上で定めた「実験テーマ」で実験できるだけのデータを、どのようにして集めますか? 実際に集め、そして、考察を行う。考察とは、次のことを考えるプロセスである

          • 実際に集めて発見したこと
          • もう一度集めなおすとしたら何を改良できるか
          • 実際に集めたデータにどのような誤差があるか
          • 別のやり方があるか
          • 集めたデータが今後何に使えそうかを自分なりに考える
          • 実験データ提出,実験データ公開

            同意できる場合には、実験データを学内もしくは世界に公開します

      • 12/1

        説明資料: Dlib の機能概要 [PDF], [パワーポイント]

        顔検出、顔のアラインメント、顔認識、表情や顔の向きの観測

        認証、人数カウント、人流計測、集団様態分析のベースとなる技術

      • 11/24

        ガイダンス

        • 教員自己紹介 金子邦彦
        • 卒論テーマ

          人工知能応用、データベース応用、データベース高速処理、3次元データベース、ビッグデータ処理(センサーによる車両や人流の観測と把握)に関する分野

        • 実績:

          科研費多数、研究費のべ1億円以上、論文等数十、教科書3冊、授業担当のべ約20以上、学会や国レベルの委員等の実績、卒論・修論・博士論文実績数十名以上、Webページでの広報等: https://www.kkaneko.jp、YouTubeチャンネルでの広報等

        • 研究を効率よく、やる気を維持し行うには
          • 楽しく、仲間によい影響を与える
          • 原理原則、基礎、ものごとの本質をとらえる
          • 仮説 ⇒ 実験 ⇒ 考察の手順を踏む、記録が大事、伝えることも大事、グループワークも大事
        • 行事予定
          • 7月:中間発表、学会活動(原稿)、11月:学会プレゼン、12月:卒論、卒論プレゼン、3月:学会プレゼン (学会は希望者のみ)

        3次元データベース,写真からの3次元再構成(写真測量)(MeshRoom を使用)

        3次元データベース,写真からの3次元再構成(写真測量)(MeshRoom を使用) [PDF], [パワーポイント]

        1. テーマ名:3次元データベース,写真からの3次元再構成(写真測量)
        2. 内容:写真をもとに、立体再構成(写真測量)を行う。
        3. 事前準備:NVIDIA GPU 搭載のパソコンが必要である
        4. 基礎:画像の特徴点、Structure from Motion 技術
        5. 実習で行うこと:写真をもとに、立体再構成(写真測量)を行う。
        6. 実習手順

          公開されている次のソフトウエアを使用(利用条件等は,利用者で確認すること)

          MeshRoom: https://alicevision.org/

        7. 宿題あり(授業時間中に実施) 2グループ(または3グループ)でのグループワーク。 計画を立てる(何を撮影するか。現地で決めてもよい)。撮影する。撮影結果を提出する(その確認は、次回授業で行うこととする)。 撮影枚数は、各グループで50から100枚程度。提出するのは来週火曜日の授業のときとする。