2020年度卒業論文配属サポートページ

トピックス

人工知能（AI、人間の知能を模倣する技術）、ディープニューラルネットワーク（DNN、深層学習の中核技術）、データベース（DB、構造化された情報の集まり）によるリアルタイムデータ収集、データ分析に関する実習を予定する。

3次元地図制作実習など

活動記録

11/26, 11/30

超解像（super resolution、低解像度画像を高解像度化する技術）に関する情報提供である。

11/9, 12

顔検出（画像から顔領域を特定する技術）、顔認識（特定の個人を識別するAI技術）システム（人工知能）の学習についての説明、実演などである。

https://www.kkaneko.jp/ai/dlib/knn.html

11/2, 5

文字認識（OCR、画像内の文字をテキスト化）システム（人工知能）の学習についての説明、実演などである。

10/26, 29

写真からの立体データの合成（立体測量、写真等から3D形状を復元する技術）の説明、実演などである。

43. 実験（６）（8月11日，火曜日）

8月、9月：中間発表（各自で実験計画を立て、実験を実施。今後の目標等を定めるなども）。

火曜日である（月曜日には行わない）。

この後は、卒業研究活動は、2週間ほど休みとし、8月下旬に再開する。

41. 実験（４）（8月3日，月曜日）

この日より、登校しての活動再開

13時集合

スケジュールについて最低限の変更を相談する

各自の実験着手（テーマ仮決め、調査を含む）: 7/31締め切り → 延期、8月上旬に。

実験結果と考察: 7/31締め切り → 延期、改めて相談する。

中間発表（ポスター1枚）: 7/31締め切り → 延期、9月に。オンライン形式（セレッソ等で連絡が行われている）。

10月の学会発表: 希望者のみ3月に実施とする（オンラインの可能性あり、改めて相談する）。

卒論締め切り：12月末として計画 → このまま（状況次第では、少し延期の可能性あり）。

40. 話題提供 （7月30日，木曜日）

Zoom（ビデオ会議サービス）での遠隔会議（12時30分頃にURLを案内する）

外れ値（他の値から大きく外れたデータ点）の自動判定についての説明を予定する。

8月3日以降の登校再開にあたって、「健康状況調査」の継続を改めて案内する。

39. 話題提供 （7月27日，月曜日）

Zoomでの遠隔会議

連絡：7月にポスター作成といっていたのは延期する。8月の早い段階に登校再開できるのか、そうでないのかで、内容やスケジュールが変わりそうである。登校再開の見通しが分かり次第、内容やスケジュールを相談する。

37. 実験（３） （7月13日，月曜日）

自然言語処理（NLP、人間言語を計算機処理する技術）（日本語の処理、類似検索）についての話題提供も検討する：別ページ

36. 実験（２） （7月9日，木曜日）

次のことについてである。

  1. pip（Pythonのパッケージ管理システム）の更新、Python開発環境を最新版に更新する。

    各自、コマンドプロンプト（WindowsのCUI環境）を管理者として実行し、次のコマンドを実行する。

    python -m pip install -U pip setuptools jupyterlab jupyter jupyter-console jupytext nteract_on_jupyter spyder
    コマンドプロンプト実行画面のスクリーンショット

  2. Python動作確認

    今度は、再び、コマンドプロンプトを開き、次のコマンドを実行する。これはJupyter Qt Console（対話型Python実行環境）を開くコマンドである。

    jupyter qtconsole

  3. 試してみる。

    print(1 + 2)
exit()

３次元インペインティング（3D inpainting、3Dモデルの欠損部修復技術）の紹介である。

3Dインペインティング適用例（月）JPEG
3Dインペインティング適用例（月）PNG

34. 実験計画と実験開始 （7月6日）

各自、実験を行ってみる。7月6日に実験開始。7月31日にいったん実験終了（実験データ、実験手順をWordファイルなどに記録するところまで）。

話題提供である。

自然言語処理:

33. 超解像度（実行手順と実行結果の紹介） （6月29日）

  • 健康状況調査。忘れていた者は今日からでも回答を再開すること。

問題がなければ、来週より学校に集まって活動するか、遠隔での実施を継続とする。

  • 超解像、画像の修復（alexjc/neural-enhance、Python 3.7、Theano（数値計算Pythonライブラリ）、Lasagne（Theano上のDNNライブラリ）、scipy（科学技術計算Pythonライブラリ）1.1.0、pillow（Python画像処理ライブラリPILフォーク）を使用）（Ubuntu（Linuxディストリビューションの一つ）上）: 別ページ »で説明する。

32. 画像分類のミニ実演 （6月15日）

案内1．健康状況調査。忘れていた者は今日からでも回答を再開すること。

案内2．卒論テーマ。卒論テーマを決めるため、次のWebページの「1．人工知能応用」や「5．3次元地図、3次元データ」などから、2、3個程度、自分の興味のある分野を選んでおくこと。各自の希望を尊重して、卒論テーマを決定する。このことについて、友達と相談する可能性もあるが、同じ分野になることは問題ない。

https://www.kkaneko.jp/db/index.html

案内3．7月から、登校して卒業研究活動を行うことについて、全員と6月22日に相談する予定である。

今日のトピックスである。

  • Python開発環境で、画像分類のプログラムを動かすことを実演する（WebブラウザでのPythonの動作ではない）。

    ImageNet（大規模画像認識用データセット）で事前学習済みの畳み込みニューラルネットワーク（CNN、画像認識に強いDNN）を用いた画像分類（MobileNetV2（軽量CNNモデル）、ResNet50（深層残差学習CNNモデル）、DenseNet（密結合型CNNモデル）121、DenseNet 169、NASNet（自動探索された高精度CNNモデル）を使用）（Google Colaboratory（Colab、ブラウザ実行可能なPython環境）へのリンク有り）: 別ページ »で説明する。

31. イメージ・セグメンテーション （6月8日）

案内：卒業論文では、各自自身で「自立して行う」ことを通して学ぶこととする。いままでの内容を読み返しておき、取り組んでみたい分野、キーワードを1つか複数選んでみること。グループワークを歓迎する。6月下旬を目安に選んでいただき、その後、しばらくの間行う実験計画（目安として7月の1か月間の実験計画）を立て、各自自身で実験などの活動に自立して取り組んでいただく。テーマは途中で変更しても構わない。

7月
ミニ実験、結果まとめ（教員からは「実験」について、実験が成功するための条件を提示する）
8月
深い学び（成功には何が必要かを考え抜くこと）、卒論下書き、実験の繰り返し、学会発表申し込み
9月、10月
さらに深い学び
11月
学会発表（10月下旬のこともあり）（数分間のプレゼン）。実験の繰り返し（実験の足りないところを考え抜くこと）
12月
卒業論文（10から20ページ）、プレゼン（数分間のプレゼン）、学会発表申し込み
1月
追加実験（実験に間違いや足りないことがあった場合に限る）
3月
学会発表（ポスター1枚）

イメージ・セグメンテーション（画像を意味領域に分割する技術）である。

29. AR アプリ （５月２５日）

案内：卒業論文の科目は、ゼルコバの「集中講義」の画面で履修登録できると考えられる。（こちらで、学生の画面を確認できないため、このような回答となる。）

パソコン、カメラ、エディタ（メモ帳）、Webブラウザを使い、ARアプリ（拡張現実を利用したアプリケーション）を作成する。

27. スタイル変換，DCGAN （５月１１日）

実演動画である。

26. 物体認識（４月２７日）

自宅にパソコン＋インターネットがある者向けの演習である。

事前準備：各自、Googleアカウントの作成済み、Google Colab.の操作法を体験したことがあること（以上は4月20日に演習済み）。

案内：卒業研究中間発表

次のように準備を開始してみること（5月に、各自の考えを聴いたり、簡単なレポートを提出してもらう予定である）。

  • このページの上部に分野が記載されているので、1つ選ぶこと。
    複数名が同じ分野を選んでも良い。
  • 実験計画を立ててみること。

25. 画像分類（４月２０日）

自宅にパソコン＋インターネットがある者向けの演習である。

24. 画像分類（４月１３日）

  • AIで画像分類を行うデモサイト紹介（clarifai.com（AI画像認識サービス提供企業））

    2019年4月、6月に「情報工学演習II」で行ったことを再び。各自で確認すること。

    https://clarifai.com/demo

    言語 (LANGUAGE)を「日本語 (Japanese)」に切り替えて使用する。

    ※ 画面の右の方に「LANGUAGE」があるので探すこと。

    AIにより、画像分類を行い、「キーワード」を表示するものである。それぞれのキーワードの横の数字は「確率」になっている。

    インターネットで画像ファイルを集め「TRY YOUR OWN IMAGE OR VIDEO」→「BROWSE FILE」で試してみること。

23. データのグラフ化によるデータの把握

データの取り扱い、散布図、記述統計量、ヒストグラムである。

22. モーションキャプチャ，頭部の向きの推定，瞳孔の検出

  • モーションキャプチャ（人や物の動きをデジタル記録する技術）

    学ぶトピックス：マーカーレス（センサー等を対象に装着しない方式）のモーションキャプチャ

  • 頭部の向きの推定

    • 頭部の向きの推定を行ってみる

      このページで、前半部分（準備の部分）は完了している。スクロールして、「lincolnhard/head-pose-estimationによる頭部の向きの推定」のところから取り組む。（プログラムの書き換えの作業がある。）

  • 瞳孔の検出

    • 瞳孔の検出（TobiasRoeddiger/PupilTracker、Pythonを使用）

      このページで、前半部分（準備の部分）は完了している。スクロールして、「TobiasRoeddiger/PupilTrackerによる瞳孔の検知」のところから取り組む。（プログラムの書き換えの作業がある。）

      なお、表示結果では、赤いマークは目の下の中央、緑のマークが瞳孔である。

20. 顔検出

説明資料: Dlib（C++/Pythonの機械学習ライブラリ）の機能概要 [PDF], [パワーポイント]

Dlibのインストールである。
ダウンロードで少し時間がかかる。

  • Dlibのインストール

    この手順で、Dlib 19.19.99をインストールする。

    「python -c "import dlib; print(dlib.__version__)"」までを実施する。

    その後の「Dlib付属のツール類のインストール」は行わない。

顔検出、顔のランドマーク（顔などの特徴点）検出、表情判定である。

Dlibの応用例である。

19. Rシステム，機械学習入門

  • 次の資料を一読し、Rシステム（統計解析向けプログラミング言語・環境）について知ること。（ソフトのインストールは完了している。行う必要はない。）

    説明資料： Rシステムとは [パワーポイント], [PDF]

  • 次の資料を一読すること。そして、資料の中の「実習」はグループで取り組むこと。機械学習（ML、データからパターンを学習するAI分野）について知ること。

    説明資料： 機械学習の例 [パワーポイント], [PDF]

17. 文字認識，ナンバープレート読み取り

文字認識ソフトウェアのインストールと実行

ナンバープレート認識ソフトウェアのインストール

  • OpenALPR（ナンバープレート自動認識ライブラリ）2.3.0のインストールと動作確認（ナンバープレート認識）（Windows上）: 別ページ »で説明する。
    ※ 欧米の自動車は精度良く読み取ることができる（日本語が認識できるようには調整されていない）。

インターネットで画像を探し、それぞれのソフトで読み取ってみること。

16. TensorFlow実習

ニューラルネットワークの仕組み [PDF], [パワーポイント]

Pythonの主な機能（Google Colaboratoryを使用）

Google Colab上

Windowsパソコンを利用

コンピュータグラフィックス，コンピュータビジョン

第15回目：OpenCV によるコンピュータビジョン

OpenCV（オープンソースのコンピュータビジョンライブラリ）を用いた種々の処理である。

第12回目：ゲームエンジン

第5回目（研究室実習の4回目）

注意：人体のデータが登場する。

オブジェクトの移動はオブジェクトモードで行う。リグ（3Dキャラを動かすための骨格構造）を用いた変形はポーズモードで行う。

第4回目（研究室実習の3回目）

剛体（変形しない物体の物理シミュレーション）の落下や衝突のシミュレーション、パーティクル（多数の微粒子によるCG表現手法）、各種のオブジェクト（草、波、炎、煙など）、シミュレーション、オブジェクトのモデリング（造形）である。

第3回目（研究室実習の2回目）

Blenderの最新版について説明する。ノートパソコン保有者にはインストールを案内する。

第2回目

進路等に関する説明会である。

第1回目

ガイダンスである。