サイトマップ サイト内検索 まとめ

研究室「２０１９年４月卒論配属」サポートページ

※ 種々のデータは，Google Cloud FireStore （データベース管理システム）で管理します（プライベートなデータベースを作る）

  • 次の内容. グループ内で相談

    1人：

    1. タイトル，氏名，所属
    2. 「誰に使ってもらうか」，「どう役に立つか」
    3. 利用イメージ
    4. 成功の鍵：　「成功のために，グループで，一番努力したいこと」は何か
    5. 現在の準備状況

      使用する機材，ソフトウェア

    6. 競合優位：　「たくさんある類似のものの中で，『何が優れている』とアピールしたいか」

    1人：

    1. 確証：　「競合優位」で書いたことを，確かめる方法
    2. 実験項目
    3. 実験を開始するために，すでに，行ったこと（学内計測，野外計測）のデータ，日時，実施方法
    4. 実験結果がどうなれば成功か
    5. 「データベース」の機能や技術のうち，役に立ちそうなもの
    6. 「データベース」の機能や技術だけで足りないものは何ですか？ 既存のソフトや技術を使うかを決めていますか．その名前と，その仕組みはどうなっているでしょうか．他によい方法は有りそうでしょうか？
    7. 「データベース」の機能や技術に，その他，既存のソフトや技術を加えても，どうしても足りないものは何でしょうか？　それが「どうなれば」成功でしょうか？　（実験で確かめることできるものを定めてください）
  • 6/22

    仮テーマぎめ，グループ分け，実験計画

  • 6/17

    ニューラルネットワーク

    説明資料: 機械学習とニューラルネットワーク [PDF], [パワーポイント]

  • 6/12

    テーマに関するディスカッション，レポート作成（個人ワーク）

  • 6/5
  • 5/29: 10:40, AI, VR

    学ぶトピックス：VR コンテンツの制作，人工知能でできること

  • 5/22: 10:40, AI, VR
  • 第2回: 5/10, 13:00,

    ポリゴン、３次元データ、3Dモデル、Wavefront OBJ ファイル、メッシュ簡略化

  • 第2回: 4/26, 13:00, Google の JSON 型データベース、リレーショナル・データベース
  • 第1回: 4/19, 13:00, プログラミング

    以下、参考情報です．興味のある人は各自行ってください

    将来計画

    年間計画

    金子研究室の研究分野

    ※ 企業との共同実験、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

    情報工学応用演習III（３年後期）

    第14回目

    話題提供：

    第13回目

    グループワーク、個人ワーク： PDF版, パワーポイント

    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12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：顔情報（顔検出，顔識別，顔のクラスタリングや類似度や分類，肌色部分の抽出，瞳孔の検出，顔姿勢の推定）

    頭部の姿勢推定

    頭部の姿勢推定

    瞳孔の検知

    第11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：face_recognition による顔検出，顔識別（Dlib，ageitgey/face_recognition，Python を使用）（Windows 上）

    説明資料：OpenCV について [パワーポイント], [PDF]

    第10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ェア・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9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], [パワーポイント],

    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], [PDF]

    次の資料の「Python の仮想環境の作成」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8回目

    人工知能を用いた予測

    提出物を指示

    第7回目

    １名休み

    第6回目

    米国ナンバープレート認識ソフトウェアに関するミニ実習

    1. 文字認識ソフトウェアに関するミニ実習

      Windows で Tesseract を使ってみる

    2. 画面キャプチャソフトウェア 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/tools/win/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. ナンバープレート認識ソフトウェアのインストール

      インストール手順は次の通り

      説明資料: https://www.kkaneko.jp/ai/win/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、ナンバープレート認識を行う。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：　


      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5回目

    1名休み。資料等の説明は別途行った。

    1. Python 入門

      Python と Google Colaboratory: Python 入門（全１４回，Python Tutor と CodeCombat を使用）: 別ページ »で説明ている

    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ェアですが、Windowsパソコン側の設定に不備があるかもです）

      https://www.kkaneko.jp/ai/deepim/snowmasaya.html

    第4回目

    1. リレーショナルデータベース

      https://www.kkaneko.jp/data/dd/dbsummary1.pdf

    2. SQLite 3 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: https://www.kkaneko.jp/de/sqlite3/database1.pptx

    3. SQLite 3 でテーブルの作成

      その資料: https://www.kkaneko.jp/db/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: https://www.kkaneko.jp/tools/win/sqliteman.html

    5. SQL でテーブルの結合

      その資料: https://www.kkaneko.jp/db/intro/database3.pptx

    より詳しく学びたい人への個人ワーク

    第3回目

    第1回目は説明会、第2回目は、卒業研究中間発表への参加

    情報工学応用演習II（３年前期）

    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 を使う．
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/index.html

    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ェアです

    その資料: Windows で Cocos2d のインストール

    第4回目

    第3回目