トップページ -> 授業,研究室活動のサポートページ -> 情報工学応用演習II サポートページ (2018年度前期授業)
[サイトマップへ]  

情報工学応用演習II サポートページ

担当者: 金子邦彦

火曜日4時限

URL: http://www.kunihikokaneko.com/a/enshu2.html


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


情報工学応用演習II, 情報工学応用演習III のポリシー

ソースコードが、インターネットなどで公開されたソフトウエア

ソースコードがインターネットで公開されているからといって、「自分の作品である」かのように宣伝したり、他の人に言ったりしてはいけない。 ふつう、作者によって、利用条件や利用料が定められているので確認する.


情報工学応用演習III

金子研究室が目指すもの

企業との教場実験、企業主催研修会への参加、学会発表(旅費)、など多数機会あります。大学院進学を考えている人は、いろいろな先生、先輩の意見を聞いてみてください

第14回目

グループワーク、個人ワーク: PDF版, パワーポイント版

提出物:手書きレポート(1枚)、氏名を記載

上記の提出物(「ワード版」、「PDF版」)は本学学生の著作物です。改変、再配布を禁じます

第13回目

説明資料: 虹彩について

顔関係に関するパソコン実習資料へのリンクをまとめたWebベージは:顔検出,顔識別、表情判定,顔のクラスタリングや類似度や分類、肌色部分の抽出(Dlib, DeepGaze を使用)

頭部の向きの推定

頭部の向きの推定

瞳孔の検知

第12回目

宿題:レポート提出

いままでの資料を振り返りながら、人工知能+データベース+コンピュータビジョン/データのビジュアライゼーションを使って、試してみたい実験試しに作ってみたいアプリケーションプログラムを考え、 レポートとして報告しなさい。レポートをグループで作成したときは、全員の氏名を明記。

さまざまな分野を考えることができる。ゲーム、映画・テレビ、画像やビデオを使うオンラインサービス、セキュリティ、工場等での製品検査、交通(自動運転、交通流観測、車両誘導など)、セキュリティ、個人認証、ロボット

紙かワードファイルで提出。締切は、来週火曜日とします

顔検出、顔のランドマーク検知、表情判定

※ 顔識別は、実習済み。そのときの資料:顔識別を行ってみる(Python の ageitgey/face_recognition パッケージを使用)

説明資料:OpenCV について [パワーポイント版], [PDF版]

第11回目

OpenCVを用いた種々の処理

OpenCV とは「コンピュータビジョン」等の機能を備えたソフトウエア・ライブラリ.今回の実習では「コンピュータビジョンとは何か」も含め実習で理解、把握する

第10回目

強化学習 ML-Agents ツールキットを動かしてみる

説明資料: 人工知能の概要 [PDF版], [パワーポイント版],

説明資料 ML-Agents ツールキットに付属の事前学習済みモデルを Unity で動かしてみる[パワーポイント版], [PDF版]

次の資料の「隔離された Python 環境の作成」から開始してください。その前は、すでに、終わっています

パソコン実習資料: Windows で Unity ML-Agents + Python 環境を作る(Chocolatey, Anaconda を利用)(Chocolatey, Anaconda を利用)

第9回目

人工知能を用いた予測

提出物を指示

第8回目

1名休み

第7回目

米国ナンバープレート読み取りソフトウエアに関するミニ実習

  1. 文字認識ソフトウエアに関するミニ実習

    Windows で Tesseract 3.0.5 を使ってみる

  2. 画面キャプチャソフトウエア CatpureD のインストール

    手順

    1. 各自のパソコン.すでに C:\CaptureD がある場合には、インストール済み

    2. インストール手順は次の通り

      説明資料: https://www.kkaneko.jp/dblab/toolchain/captured.html

    3. C:\CaptureD の下の深いところに CaptureD.exe というファイルがある。それを画面キャプチャに使う

  3. ナンバープレート読み取りソフトウエアのインストール

    インストール手順は次の通り

    説明資料: https://www.kkaneko.jp/dblab/toolchain/openalprinst.html

  4. 各自、Youtube を使って、車のナンバープレート(米国内の車両のナンバープレートの画像)の画像を集め、ナンバープレートを読み取ってみる
    1. youtube で、米国の車のナンバープレートが写っているビデオを探す

      YouTube の検索で 「license plate」,「plate」、「car」,「america」、「us」、「united states」のようなキーワードを使ってみてください。 「ナンバープレート」の英訳は「license plate」

    2. Youtube ビデオ CaptureD で画面をキャプチャ。 

      このとき、面倒でも、使用した YouTube の URL を記録しておく。(実験の鉄則)

      キャプチャするのは、1つのビデオにつき、1枚の画像まで

      001.png 002.png 003.png のようなファイル名で画像を集める。 ビデオ10個分くらい

      「<openalpr-2.3.0-win-64bit.zip を展開(解凍)したディレクトリ>」に, 画像ファイルをすべて置く

    3. alpr コマンドで、ナンバープレート読み取りを行う。間違ったナンバープレートが一番上に表示されたものを探してみる

      次のように実行。エラーがでたときは、 「<openalpr-2.3.0-win-64bit.zip を展開(解凍)したディレクトリ>」に, 画像ファイルがあるかを確認

      alpr 001.png 
      

      うまく認識できない場合(「No license plate found.」と表示されるもの)は無視してください

      提出物: 間違ったナンバープレートが一番上に表示された画像の .png ファイルと YouTube ビデオの URL

      YouTube ビデオを10個(画像を10個)使っても、「間違ったナンバープレートが一番上に表示された画像」が見つからないときは、実験を打ち切ってください。その場合でも原点しません

      提出物には、 成績評価上の点数を付けます

    認識できた場合: 


    元画像 (https://www.youtube.com/watch?v=n7YpGfnTqoY)

    認識結果

    一番上に表示されているナンバープレート(上の図では「WMY9051」)が、元の画像を見て、正解か、不正解かを確かめる。

第6回目

1名休み。資料等の説明は別途行いました。

  1. Python 入門(復習)

    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版], [パワーポイント版]

  2. 顔検出、顔識別システムに関する実習 顔検出、顔識別の機能(Python の ageitgey/face_recognition パッケージ)を使ってみる

  3. ディープラーニングを用いた物体認識

    物体認識とは: 画像の中から,所定の物体(自転車や人など)を自動で探し,その場所を四角(バウンディングボックス)で囲む.

    下の資料の「SnowMasaya / ssd_keras のインストール手順 」のところから開始してください.(そこまでの手順は終わっています).

    ※ エラーメッセージが出たら教えてください。そこで打ち切りとします。(フリーソフト等を使っています。信頼できるソフトウエアですが、Windowsパソコン側の設定に不備があるかもです)

    http://www.kunihikokaneko.com/dblab/keras/snowmasaya.html

第5回目

  1. リレーショナルデータベース

    https://www.kunihikokaneko.com/dblab/intro/dbsummary/dbsummary1.pdf

  2. SQLite3 のデータベース新規作成,テーブル定義,テーブルの削除

    その資料: http://www.kunihikokaneko.com/dblab/intro/database1.pptx

  3. SQLite3 でテーブルの作成

    その資料: http://www.kunihikokaneko.com/dblab/intro/database2.pptx

  4. SQLiteman のインストール.データベースの新規作成.テーブル定義.

    その資料: http://www.kunihikokaneko.com/dblab/toolchain/sqliteman.html

  5. SQL でテーブルの結合

    その資料: http://www.kunihikokaneko.com/dblab/intro/database3.pptx

より詳しく学びたい人への個人ワーク

第4回目

第1回目は説明会、第2, 3回目回目は、卒業研究中間発表への参加


情報工学応用演習II

第14回目, 第15回目

レポート課題
次回の授業では、Python 言語で KerasやTensorFlow を使います。
各自で、次の話題の中から好きなものを選び、インターネットや図書館で調べ、レポートを提出してください
・ニューラルネットワーク
・畳み込みニューラルネットワーク
・ディープラーニング
・機械学習
・機械学習とディープラーニングの違い
・強化学習
・リカレントニューラルネットワーク
・スマートスピーカ
レポート文章の分量は、1ページとしてください。友達と相談して作成するときは、1人あたり1ページにしてください。手書きでもWordでも構いません。インターネットや本の写真などをコピーして載せるときは、出所(URLや本の名称)を書き添えてください

第13回目

地図システムの実習(前回の続き)

緯度経度

使用するデータ: photo-2018-07-03

第12回目

地図システムの実習

第11回目

今日は2人1グループを希望します(出席を取るときに相談します)

第10回目

地図

第9回目

3次元ゲームエンジン

受講者(3名)の成果物: Panda3d サンプルプログラム


第8回目

3次元ゲームエンジン

受講者(4名)の感想,振り返り


第8回目

OpenStreetMap は、オンラインの地図データベース.登録すると、編集する権利を得ることがでkりう

第7回目


第6回目

成果物(受講学生によるリフレクション)


第5回目

2次元のゲームエンジン.

※ 自宅などで Cocos2d を練習したい人のために、次の資料にインストール手順も書いています。一定の条件下で無料で使えるソフトウエアです

その資料: Windows で Cocos2d のインストール


第4回目


第3回目

成果物: 1.blend, 2.blend, 3.blend, 4.blend