| [サイトマップへ] |
担当者： 金子邦彦
金子研究室の学生の皆さんには，次のようにお願いします．
年間イベント
・ このページの末尾に、卒業研究関係ファイルのへのリンクを置いています
予定：
仮想マシンのインストール
VMWare Workstation Player のインストール
その資料: 資料 [PDF版], [パワーポイント版]
Windows, RaspberryPi, Python, Keras, Dlib, TensorFlow, OpenCV で実験して欲しいと思っています。
その資料: Raspberry Pi でカメラをつなぎ顔検知
Windows, Phone 系統 + 専用アプリ（Swift), Google Firebase, JavaScript(Firebase 動作チェック), Python (全般), オープン地図で実験して欲しいと思っています．（データ処理、地図表示、マーカー、３次元などは Python で実験して欲しいです）
ファイルのアップロード、ダウンロードもできる． 「データベース」を作ることもできる（複数ソースのデータを１つにまとめたいとか、もとあるデータに追記したいというときは、ファイルにこだわらないのが便利）．
※ Google アカウントが必要です
その資料: Google Firebase を動かしてみる
中間発表のディスカッション
中間発表のディスカッション
中間発表のディスカッション
中間発表のディスカッション
中間発表のディスカッション
中間発表のディスカッション
中間発表のディスカッション
１．「何かを制作して、それから、実験したい」と思っている人がいましたら。賛同します。制作物の案を披露してください。 ２．「ホームページ等の話題を利用して、それで実験したい」と思っている人にも賛同します。どの話題を試してみたいかを考えてみてください。 ３．その他の進め方を希望する人も尊重します。テーマ案は以前示した通りです。 学会発表については、みなさんの今までのチャレンジ、行動を尊重します。余計な心配をしないようにお願いします。
ごめんなさい。急用ができ、金子は遅刻
集まったら、金子で、次のことを進めてください
次のような心配はないでしょうか ・研究で、何をやってよいか分からない 金子研究室では、次の原則を定めています １．GitHubなど。先人の研究成果を調べ、理解し、活用する ※ 先人の成果の活用。クレジット ２．グループワークで行う ※ コラボレーション。異なる価値観の受容 ３．中間ゴールの明確化 （１）学会講演 平成30年度(第69回)電気・情報関連学会中国支部連合大会 ・原稿の書き方 http://rentai-chugoku.org/apply.html ワードファイルを、金子 kaneko@fukuyuama-u.ac.jp 8/10 or 8/11 までに提出 インターネットで、「書き方」の参考になるファイルを探す。 内容は自分で考える。 「何をやりたいか」をタイトルに付ける。 どうなれば成功か（成功したことをどうやって確かめるか）を自分で定める。 使用する技術を書く。 成功のため、何を行わねばならないかを書く。 ・他の仲間、教員の意見をよく聴く （２）中間発表 ９月下旬 ポスター ・実験が進んでいること ・「成功のため、何を行わねばならないか」について。すでに、国内外の先人が 解決済みなのかを調べる！ ということも研究に含みます。大切なこと。 （３）「平成30年度(第69回)電気・情報関連学会中国支部連合大会」での発表 １０月２０日 ・実験がさらに進んでいること （４）卒業論文（２０ページ）、プレゼン（８分を目安）、卒論の概要（約数行） ４．後輩に受け継ぐ Pythonを使う 研究データを残す ５．研究倫理を守る
各自で、卒業研究仮テーマを決めてもらいます．グループでも可能．
資料（金子研）: 緯度経度などのデータファイルから，マーカーとイメージポップアップ付きの OpenStreetMap 地図を生成
資料（金子研）: その２
その資料: http://www.kunihikokaneko.com/dblab/cg/blendervisible.html
folium の実習
資料（金子研）: マーカー付きの OpenStreetMap 地図（Python + leaflet.js + folium を使用）
資料（金子研）: マーカーとイメージポップアップ付きの OpenStreetMap 地図（Python + leaflet.js + folium を使用）
使用するデータ: photo-2017-12-03
下の資料の「Dlib 付属のツール類のビルド」の部分だけを実行
※ エラーが出なければ、数分程度の見込み．
資料（金子研）: Windows で Dlib 19.13 のビルドとインストールが終わっている
Dlib は人工知能のソフトウエアです．Dlib でできることを実感してもらうために、各自で、顔認識のプログラムを動かしてもらいます
前準備は終わっています．その次を行ってください
キーワード：顔の検知
資料（金子研）: Dlib を使ってみる
Dlib は人工知能のソフトウエアです．Dlib でできることを実感してもらうために、各自で、顔認識のプログラムを動かしてもらいます
前準備は終わっています．「学習済みデータの準備」のところから開始してください
キーワード：アラインメント、顔データの増量、ランドマーク
資料（金子研）: dlib 付属のサンプルプログラムを動かしてみる
インストールは終わっているので、下の資料の「imglab を使ってみる」から開始して、ページの終わりまで．
資料（金子研）: Windows で Dlib 19.13 同封の imglab を使ってみる
14時開始にしています
資料（金子研）: Windows で NVIDIA CUDA ツールキット 9.2 のインストール
・「nvcc hoge.cu」までたどり着いたら OK です。「NVIDIA CUDA サンプルプログラムのビルドと実行」は必要ありません（興味があれば行ってもらっても構いません）
資料（金子研）: Windows で NVIDIA cuDNN 7.1.4のインストール
資料（金子研）: Windows で pycuda のインストール
資料（金子研）: Windows で Dlib 19.13 のビルドとインストールが終わっている
資料（金子研）: Windwos で cmake のインストール
資料（金子研）: Windows 10 で Visual Studio Community 2017 C++ と Windows Standalone SDK for Windows 10 のインストール
資料（金子研）: Windows で Dlib 19.13 のビルドとインストールが終わっている
資料（金子研）: Dlib を使ってみる
資料（金子研）: OSMBuilding の例
資料（金子研）: OpenStreetMap のエディタを使って地図を編集
簡単に復習。個人ワーク。
写真とずれていたら -> 建物や道路を編集して保存
新しい建物や道路を追加したいときは -> 建物はエリア、道路はライン. うまくできたら保存
その資料: 3次元のゲームエンジン Panda 3d を使ってみる （改定、充実しました）
Visual Studio Code を使用
その資料: Windows で Visual Studio Code のインストール
その資料: Visual Studio Code で，Panda 3d プログラムを動かしてみる
宿題： Panda3d を用いたモデルデータ表示（obj, mtl）．Panda3d を用いたポリゴン表示のプログラムについて調べる
データベースの作成は必須． 研究の目標，計画，先行技術の調査といったことも．
その資料: Cocos2d の概要 [PDF版], [パワーポイント版]
その資料: Cocos2d で，オブジェクトの属性を乱数で変化させる
その資料: Cocos2d で動きのシミュレーション
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]
その資料: Cocos2d の概要 [PDF版], [パワーポイント版]
その資料: Windows で Cocos2d を使ってみる
プログラミング演習
プログラム制作を宿題とします。 手分けしてもOK. 200行くらいを目標にしてみてください。
話題提供
C++でプログラムを書くことができるゲームエンジンです 学校や自宅で試してみたい！という学生諸君のために資料を作りました
その資料: Windows 10 で Visual Studio Community 2017 C++ と Windows Standalone SDK for Windows 10 のインストール
その資料: Windows で Cocos2d-x のインストール
学校や自宅で試してみたい！という学生諸君のために資料を作りました
プログラミング演習
その資料: Cocos2d の概要 [PDF版], [パワーポイント版]
プログラミング演習
その資料: ゲームエンジン[PDF版], [パワーポイント版]
その資料: pygame を使ってみる
※ 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
その資料: http://www.kunihikokaneko.com/dblab/intro/database3.pptx
その資料: http://www.kunihikokaneko.com/cc/db/1.html の後半部分
その資料: http://www.kunihikokaneko.com/cc/db/2.html
その資料: http://www.kunihikokaneko.com/cc/db/2.html の末尾にある演習問題を試してみなさい
「エミュレータ」，「Linux の起動」，「Linuxシステムへのログイン」を学ぶ．Linux としては Raspbian を使う．
その資料: http://www.kunihikokaneko.com/dblab/raspbian/qemu.html
リレーショナル・データベースと SQL の演習回です
1. 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
2. SQLite3 でテーブルの作成
その資料: http://www.kunihikokaneko.com/dblab/intro000/database2.pptx
3. 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
4.（余裕のある人への個人ワーク）SQLの機能体験
１グリフで１文字にする
確認作業：
成果物
※ 1.svg, 2.svg を InkScape で開き、 SVG フォントエディタで見たとき、「新規」を押して再表示させないと、うまく表示できません。
宿題 画像を手分けして集めるまで．
札幌 函館 旭川 室蘭 釧路 帯広 北見 青森 八戸 岩手 盛岡 平泉 宮城 仙台 秋田 山形 庄内 福島 会津 郡山 いわき 水戸 土浦 つくば 宇都宮 那須 とちぎ 群馬 前橋 高崎 大宮 川口 所沢 川越 熊谷 春日部 越谷 千葉 成田 習志野 袖ヶ浦 野田 柏 品川 世田谷 練馬 杉並 足立 八王子 多摩 横浜 川崎 湘南 相模 山梨 富士山 新潟 長岡 長野 松本 諏訪 富山 石川 金沢 福井 岐阜 飛騨 静岡 浜松 沼津 伊豆 富士山 名古屋 豊橋 三河 岡崎 豊田 尾張小牧 一宮 春日井 三重 鈴鹿 滋賀 京都 大阪 なにわ 和泉 堺 奈良 和歌山 神戸 姫路 鳥取 島根 岡山 倉敷 広島 福山 山口 下関 徳島 香川 愛媛 高知 福岡 北九州 久留米 筑豊 佐賀 長崎 佐世保 熊本 大分 宮崎 鹿児島 奄美 沖縄
Windows での文字認識ソフトウエアの紹介
手順
cd ＜openalpr-2.3.0-win-64bit.zip を展開（解凍）したディレクトリ＞ alpr -c us ＜画像ファイル名＞
参考Webページ： http://doc.openalpr.com/opensource.html
タイルイメージの作成
今日用いた画像を切り抜いて（切り抜きソフトは CaptureD をおすすめ）、
を手分けして作ってください。
「0」, 「1」, 「2」 のタイルイメージのファイル名は jp0.png, jp1.png jp2.png
「あ」、「い」のタイルイメージのファイル名は jpa.png jpi.png, ... のように。
演習：各自で 5 枚くらいの画像を集め、識別させてみてください。結果は英単語で出ます。
資料 VGG16
宿題：興味のある人は、2015年以降のナンバープレート認識技術を、インターネットなどで調べてみてください
予測したい期間を設定して、実際に予測して見るところまで。得意と不得意が分かるところまで。
資料 ディープラーニング LSTM 法を用いた渋滞予測の「応用してみる」をもう一度（グラフのプロットまでチャレンジ）
空き時間でナンバープレート画像の生成作業お願いできますか？ ナンバープレートAIを進めたい。
https://carnumberplategenerator.firebaseapp.com/
各自、５０枚くらい作っていただいて、次回、もらえると嬉しいです
3/29（木曜日）は行いません
資料 ディープラーニング LSTM 法を用いた渋滞予測の「応用してみる」をベースにして、いろんな予測にチャレンジ
データ収集と整形
失敗を恐れず。失敗から「自分にも解ける課題」を発見する。
ディープラーニングによる渋滞予測。 「予測し、予測精度を見る」
各自に宿題
※ 次回、持参してください。次回、日時を書き加える作業工程 「2018」、「3」、「26」、「13」、「00」を予定しています
資料 ディープラーニング LSTM 法を用いた渋滞予測の後半
次の「資料」の「１１. 学習（訓練）」のところまでを各自実行。 助けあいお願い（目標１時間以内）
ディープラーニング用語辞書の中の「モデルのコンパイル」、iris データセット」
Keras2 のインストール、動作確認。Keras2に付属の MNIST データセットo
説明資料
「人工知能が自分や、社会とどう関係しているのか」について自由に考えてもらいました。
最初２５分ほど、金子から説明（資料を使いました）。
DeepForgeについて、追加の実習
人工知能（AI）について、理解を深めたいあなたへ
人工知能（AI)が注目される理由・背景知識 [PDFファイル]を作りましたので、ご一読下さい．
人工知能プログラム開発用のツール DeepForge を使って，いくつかの人工知能（AT)を動作させる．
取得するスキル: DeepForge の使い方（基本操作，ソースコードの確認法）．DeepForge でのパイプライン（ブロックが矢印でつながっている．ブロックの間をデータが流れるイメージである）を理解．人工知能では「訓練 (training)」があること．
説明資料：http://www.kunihikokaneko.com/dblab/deeplearning/deepforgetrytouse.html
今日のスキル： ニューラルネットは「レイヤ」というブロックが矢印でつながっている
作業： 先週の仕上げ、ソフトウエア (msys2, Docker Compose, Deep Forge) の追加インストール．ニューラルネットワークの「図示」の閣員
その資料: http://www.kunihikokaneko.com/dblab/toolchain/msys2.html
Docker Compose は Docker コンテナを簡単に扱えるようにするソフトウエア
その資料: http://www.kunihikokaneko.com/dblab/toolchain/dockercompose.html
その資料: http://www.kunihikokaneko.com/dblab/toolchain/deeplearning/deepforge.html
米国内の車両のナンバープレート読み取りソフトウエア OpenALPR をダウンロードし、インストール。さらに、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
今日のスキル
提出物
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 100 枚以上。ファイル名は 001.png 002.png 003.png のように
認識できたが不正解になるような画像のリストアップ
以上、本日中に提出（みなで終了時間を決め、その時間で終わるように計画する）。
手順
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」
「50 US STATE PLATES SLIDESHOW」という Youtube ビデオもあります
cd ＜openalpr-2.3.0-win-64bit.zip を展開（解凍）したディレクトリ＞ alpr -c us ＜画像ファイル名＞
うまく認識できない場合： 「No license plate found.」と表示される。
認識できた場合：
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。 不正解の場合には「画像ファイル名」と「正解が何か」と「一番上に何が表示されたか」の３点セットを記録する。（終わったら提出）
ディープラーニング研究環境のセットアップ（パソコン類、LAN類）
「WinPython」があれば削除
「Python ... (Anaconda ...)」があれば削除
その資料: http://www.kunihikokaneko.com/dblab/dblab/keras/keras2.html
次回実習で、ナンバープレートの予測、行動追跡等を行いたいと考えています
研究環境のセットアップ（パソコン類、LAN類）
OpenCV を用いた画像処理（背景除去、トラッキングビジョン、depth map の生成）
その資料: http://www.kunihikokaneko.com/dblab/dblab/improc/opencv.html
Blender のロジックエディタ
その資料: http://www.kunihikokaneko.com/dblab/cg/blendergame.html
Blender の3次元ゲームエンジンについて。
その資料: http://www.kunihikokaneko.com/dblab/cg/blendergameengine.html
福山大学建物データベースの作成（野外でのデータ取得） ー＞ 活用しています。ありがとう。
Blenderにある落下、衝突のシミュレーションの機能を見る。 オブジェクトをいろいろと配置して、シミュレーションしてみる
その資料: http://www.kunihikokaneko.com/dblab/cg/rigid.html
「パーティクル」と呼ばれるたくさんの粒を使うシミュレーション
その資料: http://www.kunihikokaneko.com/dblab/cg/blenderparticle.html
その資料: http://www.kunihikokaneko.com/dblab/cg/blendergameengine.html
学内実習
大学にあるビル（「１号館」、「２号館」、・・・に限定。「倉庫」、「ゴミ捨て場」、「ビニールハウス」、「野球場脇の休憩所」、「仮設トイレ」などは除外する）
福山大学３次元地図制作を助けてください。
習得されるスキルセット： スマホの画像には EXIF 情報が付いている．画像を整理する（建物の名前）をつけるひと手間に慣れる。地図サービス Flicker を理解する
サービスイメージ：
クリックすると写真が出る http://www.kunihikokaneko.com/dblab/map/flicker.html
Blender でテクスチャマッピングし、リアリティを向上
マテリアル、テクスチャマッピング
３次元コンピュータグラフィックスのソフトウエア
画像処理、ビデオ処理の実例
キーワード： OpenCV, cv2.CascadeClassifier, cv2.VideoCapture, Python, 顔検知, カスケード分類器, Haar
4年生には14時ごろ集合と言っています．学園祭準備と避難訓練のセット（14時50分ごろに誘導します）です． （来年は招集したいので、心の準備をお願いします．成績とは無関係の課外活動です。楽しさを追求します）．
物体認識
http://www.kunihikokaneko.com/dblab/keras/snowmasaya.html
顔の検知，顔のランドマークの検知，表情の検知
http://www.kunihikokaneko.com/dblab/dlib/trydlib.html
教師あり学習，ニューラルネットのグラフ表示
限定的な情報（スケッチ，赤緑青の塗り絵）から，実景に近い画像（猫，建物など）を合成すること，あるいは，種類を判別すること．
自分の実家の周囲（あるいは，好きなところどこでも）
研究室の運営方針（１０分）、「誰をどうハッピーにさせるか」が各自の課題。最新技術はセミナーで教える。学会発表のチャンスもある
３次元地図システム Cesium でできること。地形（起伏）、３次元オブジェクト、フォトグラメトリ http://www.kunihikokaneko.com/dblab/3dmap/cesium.html
テーマの概要説明（１５分）、実習なし
・ 卒業研究サブテーマ（案） (2018/5/30)を示しました
2017年度卒論製の成果物は次の通り
問い合わせ先： 金子邦彦（かねこ くにひこ）
