【目次】
自主自立.自分で考え,行動することを大切にして下さい
研究は,「不可能だったこと,難しかったこと」を「可能にする,簡単にする」ことへのチャレンジ. 卒業研究の1年間で,専門分野,研究力,基礎力の成長にチャレンジする.
主な活動:卒業論文の提出と卒業研究発表(12月の予定),中間発表(7月の予定), 学会発表(10月,3月予定)にもチャレンジする.
卒業研究ガイダンスの動画: https://www.youtube.com/watch?v=V_Sa-IlnuHc
金子 邦彦(かねこ くにひこ)
研究室ホームページ: https://www.kkaneko.jp/index.html
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,
このページを 2022年1月28日に書き換えました(大きく書き換わったように見えるかもしれませんが,内容は変えていません.読みやすくなるように,順序を変えたり,重複した説明を取り除いたりなどしました).
Zoom での配信(週1回)を 2/2 に開始予定
4月以降のスケジュールなどは,このページの「3. 全体スケジュール,注意事項,卒業論文の書き方」で説明している.
進路については,就職,大学院への進学などがある.
【進路の考察】
【就職】
セレッソの「就職情報2022(情報工学科)」の URL: https://cerezo.fukuyama-u.ac.jp/ct/course_688082
【福山大学大学院の情報処理工学専攻】
福山大学にも大学院がある. 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」がある.
金子邦彦研究室では,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る. 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,指導には自信がある. 学生諸君には,楽しく学び成長できる場を与える.
コロナにおいても,みなさんが,安全に,効率よく,最大限学べるように工夫したいと考えている.
感染拡大防止は,極めて重要である.次のように行う.
人工知能,データサイエンス,3次元コンピュータグラフィックスについての Zoom 配信.各自のカメラとマイクはオフ.Zoom の URL は電子メールで伝える.
不必要な欠席は望ましくないが, 他の用事がある場合にはそちらを優先すること.資料は,このページの「活動実績」のところに載せる.
内容は,最新の国内外の研究紹介,曜日日時を決めて配信する(曜日日時は,前もって学生諸君と相談する).各自のカメラとマイクはオフ.Zoom の URL は電子メールで伝える.
あとで,このページで確認し,復習などできるようにする予定.
内容は,各自が得た実験データの紹介,あるいは,調査結果の紹介(曜日日時は,前もって学生諸君と相談する).
気軽な気持ちでチャレンジする.楽しむ.
Zoom 配信などは,不必要な欠席は望ましくない.他の用事がある場合にはそちらを優先することになるが, このページで各自学び,復習するなどで補っておくこと.
卒業研究の完成へ向けて,次の手順を踏んでいく.
情報工学応用演習III,進路指導
卒業論文テーマは,学生と指導教員で相談して決定する. 卒業論文テーマの仮テーマを決めたら行動開始.各自で,パソコン等を用いて,実験を始める.実験では,実験データの保存,実験手順の記録がとても大切である(そのことは,「4. 卒業研究の進め方,理念」で詳しく説明している.).
卒業論文のテーマの決め方は,このページの「4.5 卒業論文のテーマは,自主的に決定する」と「4.6 卒業論文のテーマを決めるために,各自で行って欲しいこと」で説明している.
卒業論文の進め方は,このページの「4.3 専門分野を実践的に学ぶために」と「4.4 研究力の向上のために」で説明している.
ポスター.
内容:仮テーマ.目標.現在までに自分が行ったこと(実験や調査など).既存の技術での調査と,既存の技術で何が足りないかの考察.実験で自分が用いた技術の説明.実験手順.実験結果.実験からの考察.結論.12月までの具体的な予定.グラフや図も付けること.
詳細(日時,ルール,ワードやパワーポイントファイルの書式)については, セレッソの「卒業研究2022」のコース(2022年4月開設予定)で案内があるので,待っていて下さい.
中間発表のあとも,研究を自主的に発展充実することに時間を使う.
A4 で 1枚.
内容:中間発表の内容に加え,追加調査,追加実験を行い,そのことについても記載する.
各自,パワーポイントで,学会発表を行う.発表のルール,マナーも学ぶ.特に時間厳守が大切である.
卒業論文(ワード)の提出,概要(約200文字)の提出,パワーポイントの作成と,各自プレゼンテーションの実施.
卒業論文の書き方は,このページの「3.5 卒業論文の書き方」で説明している.
卒業論文の詳細(日時,ルール,ワードやパワーポイントファイルの書式)については, セレッソの「卒業研究」のコース(2022年4月開設予定)で案内があるので,待っていて下さい.
各自,実験データを保存しておくこと.12月にいったん集める.
各自,パワーポイントで,学会発表を行う.
レベル3においては登校不可.
人工知能応用(実世界のデジタル化,実世界のシミュレーション,人流や交通流や集団の挙動の把握,航空写真やドライブレコーダーからの実世界把握,人物や車両のデジタル化), センサー応用(3次元形状,テクスチャ,運動,挙動等のリアルタイム把握), データベース応用, 地図データベースに関する分野
【サイト内の関連ページ】
楽しんで書いて欲しい.
卒業論文や学会発表に時間をかけることは,基礎力の向上のためにも極めて重要である.
卒業論文は,次のことに気をつけて,余裕を持って進めて下さい.
実験手順や調査手順の説明はとても大切. 良いやり方を数多く調べ尽くしておく.
実験のときに,必ず,実験手順の記録を残す.そのとき,実験風景の写真屋,画面のスクリーンショットなども一緒に残す.
根拠をもとに考察し,結論を導く.
実験からの考察については,このページの「4.7 実験からの考察で行うこと」で説明している.
FairFace: Face Attribute Dataset for Balanced Race, Gender, and Age for Bias Measurement and Mitigation, Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision, pp. 1548-1558, 2021 ECCV 2020.
卒業論文や中間発表の日時,ルール,ワードやパワーポイントファイルの書式については,セレッソの「卒業研究2022」のコース(2022年4月開設予定)で案内があるので,待っていて下さい.
金子邦彦研究室での,卒業研究の進め方,理念を伝える.
情報工学科のことについては,セレッソの「卒業研究2022」のコース(2022年4月開設予定)で各自確認すること.
自主自立.自分で考え,行動することを大切にして下さい.そして, 仲間との助け合い,仲間を尊敬し,さまざまな価値観を受け入れることも大切にして下さい.
今まで自分が知らなかった最新の技術や手法を自主的に調べ,自分で,実際に動かし実験することを重視する.
専門分野を学ぶためのヒント,きっかけとして,指導教員は,皆さんに専門分野についての 最新の技術や手法を紹介し,教授し続ける予定である. (Zoom配信,週1回〜3回の予定.対面に変わる場合もある).資料は,このページの「5. 活動実績」のところに載せる. すべてを指導教員に教わるということではなく,自分で調べ,自分で,実際に動かし実験する, 計画も自分で立てる, 仲間と分かち合える部分は積極的に分かち合うことがとても大切である.
卒論生各自に気をつけて欲しい大切なこと.
人工知能応用(実世界のデジタル化,実世界のシミュレーション,人流や交通流や集団の挙動の把握,航空写真やドライブレコーダーからの実世界把握,人物や車両のデジタル化), センサー応用(3次元形状,テクスチャ,運動,挙動等のリアルタイム把握), データベース応用, 地図データベースに関する分野
「私が研究したいと思っている分野はちょっと違っているか?」と思ったとしても,実際には,卒業論文の分野に当てはまっている場合が多いので安心して欲しい(本当に違っている場合は,本人と相談の上,指導教員が勉強する,本人のテーマを調整するなどで対処する)
テーマを,自分自身で探求することはとても楽しいことである.
まず,「何を行いたいか」を考え抜いてほしい. 指導教員自身が,自分で行いたいと思っている活動を,参考のために載せておく.これらの中から選んでもよいし,自分で新しく考えてもよい.
研究テーマは,各自が,実験や調査での体験をもとに,自主的に見出すことにチャレンジする.指導教員は最大限支援する. 次をアドバイスとする.
テーマが決まった後も,テーマを変更,充実することはよくある. そして,テーマは難しすぎないこと(自分で解決できるもの),解決に完璧を追い求めないことにも気をつけて欲しい.
卒業研究では,実験からの考察が極めて大切である.実験からの考察には次のようなものがある.
考察には根拠があるはずである.根拠は記録しておき,あとでいつでも確認できるようにしておくという 習慣がとても大切である. そのために,実験のデータはとても大切なので,保存しておく. そして,実験手順も必ず記録しておく. (卒業論文では,実験手順の説明,データなどの根拠をもとにしての結論の説明がとても大切である). このことで,考察という「知」を他の人と分かち合うことになる.
基礎力は,論理的思考力,批判的思考力,考察力,先行研究などの調査力,緻密な記録を取る習慣,失敗を恐れない態度,柔軟な思考,課題発見力,失敗から課題を発見し解決に導く能力,考察には根拠を付ける習慣(データなどの根拠をもとに考察する能力),レポート作成,プレゼンテーション,研究倫理,自主性,積極性
基礎力の向上のため,次をアドバイスとする.
Google Colaboratory のページ: https://colab.research.google.com/drive/13fXJ4f2dF-53YI_6i_rAJl17cuYuLE91#scrollTo=PAJ9H2QqRadE
情報工学応用演習 III についてのビデオメッセージ: https://www.youtube.com/watch?v=0Sdaz_oxRk4
【Python の使い方】
【第2回から第14回の内容】
Google Colaboratory のページ: https://colab.research.google.com/drive/1O9V9UwlWS-kJTQau42kIIcxyOpJQr5-G?usp=sharing
「畳み込み」について説明動画: https://www.youtube.com/watch?v=AKQKrBrhxk8
CNN Explainer (ジョージア工科大学 Polo Club による), 畳み込み層などの仕組みをビジュアルに学ぶことができるサイト: https://poloclub.github.io/cnn-explainer/
PDFファイル: https://www.kkaneko.jp/db/aa/3.pdf
パワーポイントファイル(PDF ファイルと同じ内容): https://www.kkaneko.jp/db/aa/3.pptx
Google Colaboratory のページ: https://colab.research.google.com/drive/1hymsnPNkc0Ra3HfklhNEcSDWGbafQEx7?usp=sharing
Google Colaboratory のページ: https://colab.research.google.com/drive/1qxh5l0iEPUm-QRTuEBSqBLd3V9KvqItK?usp=sharing
Google Colaboratory のページ: https://colab.research.google.com/drive/1E86OSq90AyI1z-ULE6hNoVmpCJ_7fCR8?usp=sharing
Google Colaboratory のページ: https://colab.research.google.com/drive/1HQ8pmFVJFq5uhBEfkBhRvsXaDUXssoo9?usp=sharing
6つの資料(pf-1 から pf-6),Python の基礎: https://www.kkaneko.jp/pro/pf/index.html
Google Colaboratory のページ: https://colab.research.google.com
https://colab.research.google.com/drive/1oUtNxZsm81Bwm2dxblRF2a51bhkElFNz?usp=sharing
Google Colaboratory のページ: https://colab.research.google.com/drive/1mnRH7AKLhUryqK2ar7XgAffW-dHj7R-N?usp=sharing
Google Colaboratory のページ: https://colab.research.google.com/drive/1S55yEFiQpdIRdjWbdH0zzEYD5VAfklHd?usp=sharing
Google Colaboratory のページ: https://colab.research.google.com/drive/1T2ApSH2l8n448mmebwXgH8334sgrV6KK?usp=sharing#scrollTo=ZOQWNywHdAPU
最新技術について,Zoom での配信を予定しています.配信は週1回の予定.資料は準備中です.
動画: https://www.youtube.com/embed/h4q0ote54M0 (過去の情報工学応用演習IIの動画)
次の内容を予定しています.
3次元のゲームエンジン Unreal Engine には,3次元コンピュータグラフィックスなど,ゲームのための基本機能が組み込まれている.レベルブループリントなどを使い,簡単な操作で,ゲームを作ることができる.
https://www.kkaneko.jp/db/ue/ue-10.pdf
Unreal Engine 4 ① Unreal Engine の起動 EPIC ゲームランチャーを起動. 「Unreal Engine」を選ぶ. 「ライブラリ」を選ぶ. 「起動」をクリックして起動する. ② プロジェクトの作成(テンプレートは「サードパーソン」を選ぶ) 「ゲーム」を選ぶ. 「Next」をクリック. 「サードパーソン」を選ぶ. 「Next」をクリック. 次の設定画面は,既定(デフォルト)のままでよい. 「プロジェクトの作成」をクリック. ③画面での基本操作 右ボタンを押しながらマウスを動かす.左ボタンを押しながらマウスを動かす:視点の移動,回転など オブジェクトのクリック: オブジェクトの選択 オブジェクトをクリックし,マウスを動かす: オブジェクトの移動 ④ プレイに関する操作 「プレイ」をクリック: プレイが始まる W, A, S, D キー:ゲームのキャラクタを動かす スペースキー:ゲームのキャラクタのジャンプ ESC キー: プレイの終了
自分のパソコンで試したい人のために,Unreal Engine のインストール手順を次の資料で説明しています.(実演の範囲外.興味のある人は見て下さい).
インストールには,ディスク等の空き容量が 50G バイト以上必要ですので,ご注意下さい.
このページでは,FIDTMの作者による公式のプログラムおよび学習済みモデルを使用して,群衆の数のカウントと位置の把握 (crowd counting) を行う手順を示している.
画像内の人数を数えること. 監視等に役立つ. さまざま状況において, さまざまな大きさで画像内にある人物を数えることが課題であり, 画像からの物体検出とは研究課題が異なる.
FIDTM(Focal Inverse Distance Transform Map) は, crowd counting の一手法.2021年発表.
従来の density maps での課題を解決し,従来法よりも精度が上回るとされる. FIDT map を用いて頭部を得る LMDS もあわせて提案されている.
文献
Focal Inverse Distance Transform Maps for Crowd Localization and Counting in Dense Crowd, Liang, Dingkang and Xu, Wei and Zhu, Yingying and Zhou, Yu, arXiv preprint arXiv:2102.07925, 2021.
PDF: https://arxiv.org/pdf/2102.07925.pdf
FIDTM の公式のソースコード
実行結果の例
https://colab.research.google.com/drive/1NKmQfbDG0XCR0bO6vcFP304gy4iqeD7L?usp=sharing
このページでは,MMSegmentation の作者による公式のプログラムおよび Cityscapes データセットで学習済みの DeepLabv3 モデルを使用して,セマンティック・セグメンテーション (semantic segmentation) を行う手順を示している.
セマンティック・セグメンテーション (semantic segmentation)では, 画像内に人物 (person) がいるような場合,人物の領域に person というラベルを付ける. このとき,人物は複数いても問題ない.
学習のときには,'road', 'slidewalk', 'building' のようなクラスについての学習を行う. 学習データでは,画像の画素に,'road', 'slidewalk', 'building' のようなクラス名(あるいはクラス番号)がラベルとして付いている. 学習済みデータで推論を行うと,画素に 'road', 'slidewalk', 'building' のようなラベルが付く.
クラスの例(Cityscapes データセット)
'road', 'sidewalk', 'building', 'wall', 'fence', 'pole', 'traffic light', 'traffic sign', 'vegetation', 'terrain', 'sky', 'person', 'rider', 'car', 'truck', 'bus', 'train', 'motorcycle', 'bicycle'
MMSegmentation は, OpenMMLab の構成物で,セグメンテーションの機能を提供する.
MMSegmentation Contributors, MMSegmentation: OpenMMLab Semantic Segmentation Toolbox and Benchmark, https://github.com/open-mmlab/mmsegmentation, 2020.
実行結果の例
https://colab.research.google.com/drive/1Ri1v_O4A5vXRSSEBgt4umKC1l3SoWp9U?usp=sharing
実行結果の例
https://colab.research.google.com/drive/1Ja_eTAJaIOdXOWXS6Nqz5Gw9_2QL9MNy?usp=sharing
DeepGaze を使用.
DeepGaze のページ(GitHub): https://github.com/mpatacchiola/deepgaze
顔の向きは,上向き下向き,右向き左向き,そして,斜めの3種類
https://colab.research.google.com/drive/1dDTdZU8jaCEXHV3UUok05s-sDSgi-tb8?usp=sharing
4月からの活動
「自分がやりたいこと」をイメージできるようになってください. それに向けて,「少し難しいこと」にチャンレンジし,成長してください. 専門分野の知識,実践力,研究倫理を修得していただきます.
「やりたいこと」というとき,「やらねばならないこと(ポスターを7月に書く,卒論を12月までに書く)」とは違います.何に興味があり,何を体験したいかをシンプルに,各自で考察いただきます.
卒業研究を効率よく行うために気をつけて欲しいことは,このページの上にまとめていますので,確認しておいて下さい.
卒業研究については,セレッソの次のページも参考にして下さい(過去の情報ですが,参考になります)
新型コロナウイルス感染対策のため,4/26 までは,金子研究室新4年生に,研究室にお集まりいただくことは控えたいと考えています.
MMPose を使用
https://colab.research.google.com/drive/1qzEYs38mF8CbaeOwX6zjsZPOrSv6uFy1?usp=sharing
MMPose を使用
https://colab.research.google.com/drive/1qzEYs38mF8CbaeOwX6zjsZPOrSv6uFy1?usp=sharing
授業開始になりました.よろしくお願いします.皆さんへの宿題を相談します
感想.どれが面白かったか.より詳しく仕組みを調べてみたいもの(興味のあるもの). 新しい発見.もし,この技術をなにかの役に立てるなら,何ができそうか.その根拠.
SeeSaw Loss (2021年発表)を用いた物体検出と画像のセグメンテーション.
MMDetection, COCO データセットで学習済みのSeeSaw Lossを使用.
https://colab.research.google.com/drive/10Suuj4wdnFVNJBg82BihdqeO1wLrBIVt?usp=sharing
まずは、仲間と会えたことを喜びます。 進路のこと、学業のこと、その他さまざまなことを仲間と話すのは楽しいことです。 そのためにお集まりいただくものです。
福山大学のトップページで, 「健康管理と行動調査への回答」をクリック https://forms.office.com/r/6Z6Je8ERNs
用事のある人はそちらを優先して下さい.用事には,就職活動などがあります. 家族との約束や友達との約束などは,できる限り,水曜の 12:00 - 16:00 ごろは避けてください.
6月 研究室内発表 目的、実験、結果、調査、考察の発表 6月 研究倫理教育 7月 ポスター発表(情報工学科全体で) 8月,10月 学会発表 8月に原稿、10月に発表を予定 12月 卒業論文、卒業者対象のアンケート
それで足りなくなったら、相談してください。センサー類、カメラ類、高性能パソコンを使うような実験ということです)
但し,2名以上集まるときは、出欠をとる.
内定,大学院合格などを各自で記入
セレッソの「就職情報2022(情報工学科)」のコースのレポート
https://cerezo.fukuyama-u.ac.jp/ct/course_688082_rptadmpreview_1049515
毎週,水曜日10時30分に集合となりました.
ZOOM 配信は,金曜日15時になりました.
Google Colaboratory のページ
https://colab.research.google.com/drive/1oT69ts_qzr1xrPYguSepcl24QaQv5AYq#scrollTo=mlVW1_628s0G
Google Colaboratory のページ
https://colab.research.google.com/drive/1iXDAruObWanXwNq0ZPRmazRC_XuFSp3X#scrollTo=VLG5Fnvq2ZyS
python -m pip install -U wheel pywin32
import win32com.client speech = win32com.client.Dispatch("Sapi.SpVoice") speech.Speak("こんにちは.今日は晴れです.明日も晴れると思います.") speech.Speak("Hello, World!") exit()
プログラム
https://colab.research.google.com/drive/1KeKWclVD8OHkmusEIUolErIasyJZi7mR?usp=sharing
次のページで公開されているサウンドデータを使用
https://mirg.city.ac.uk/codeapps/vocal-source-separation-ismir2017
音源分離
資料: [PDF]
Google Colaboratory のページ: https://colab.research.google.com/drive/1QpShUUrOdWHAjkbb-BBuwg8iXmHXv3ff?usp=sharing
パノプティック・セグメンテーションは,インスタンス・セグメンテーションと セマンティック・セグメンテーションの両立.
Google Colaboratory のページ: https://colab.research.google.com/drive/1xWaQuJt50LqYwyw9ohsYERZ_Ix1gy1rN?usp=sharing
1.各自,実験計画(複数可)を決める.6月22日まで ・次のページなどを参考に https://www.kkaneko.jp/a/2022.html ・興味のあるテーマ(2,3個が良い)を選ぶ ・うち1つ以上について,次を自分なりに考察する.失敗を恐れないこと.間違いがあっても構わない 実験に使用するデータ, 期待する結論(どうなれば成功か), 実験で何に気をつけないといけないか,途中で手間取りそうと分かったら,何を省けるか. ・気を付けること. 自力で実行を開始できるもの.結果がデータとして得られるもの(データは何でもよい) 2.電子メールで提出,または,金曜日のZOOM会議のときに発言(6月25日) (後日,全員分を金子がまとめて,全員で良いところをシェアする) 3.その後,各自,実験開始にチャレンジ 4.WEBページの記事(金子作成)は,前もって言っていただければ,話題の追加等ができる可能性がある 仲間や先生に頼ることも大切
① レポートありがとうございました. 評価:よく考察しています.個性があります.独自性があります.情報発信ができています. 偉いです.皆さんの成長を確信しています. ・差し替えたい人は受け付けます. ・(遅れ,未提出などの減点はありません) 他の人のレポートも読み,素直な気持ちで受け止めてください.さらなる成長のきっかけです
人工知能のプログラム(実際に実行して確認できるもの).次のページにまとめているところである.
1枚の顔写真を3次元化するもの.
右側で,濃淡画像が表示されている.これは,奥行きの情報を濃淡で示したもの(奥行きの情報が推定できている).
DECA/TestSamples/examples/results の下に 「**_detail.obj」などのファイルができる.丸ごとダウンロードののち,Blender でインポートできる
Google Colaboratory のページ: https://colab.research.google.com/drive/1bBbyL_nxvKD6ihz_xnYd5B2ql2YlGhI_?usp=sharing
(謝辞:https://colab.research.google.com/github/cedro3/DECA/blob/master/DECA_demo.ipynb#scrollTo=-McMXFAJNPki で公開されているプログラムをほぼそのまま使用しています。python-opencv のバージョンの調整.手元にある jpg 画像ファイルをアップロードして実行するプログラムの追加を行っています)
画像の画質改善の一手法.
https://colab.research.google.com/drive/1QaXkXvwNMF_6VuaSI23vRwVDguX0Qb1-?usp=sharing
https://cerezo.fukuyama-u.ac.jp/ct/course_261991_news_1104091
中間発表準備で,気を付けて欲しいこと ・論理的か? 根拠があること.実験を行ったときは,実験手順,実験データは,各自で記録すること.スクリーンショット(あるいはスマホ写真)等で十分という場合が多い. ・「失敗」を正しく受け止める 〇単純なミスならやり直す. 〇動かない場合,精度がイマイチな場合があると思っても,失敗したとは決めつけずに, 「うまく動いた範囲」で,発見する. あるいは,「どう役に立つか」を考える. このとき,「どういう場合であれば,正しく,精度良く動くのかを確認し,データを取り,安心する」という作業を 自ら行うことが極めて重要 〇失敗の原因の考察が大事. 顔情報処理,顔の3次元化,セグメンテーション,物体検出,ポーズ推定 ・・・ では, 複数の技術があるということを意識しておく. ある技術では失敗しても,別の技術ではうまく行くという発見も,今後ありえる
7月末~8月上旬: 学会発表用の原稿作成,必要な追加実験
9月は,週1回,水曜日10:30集合 (金子は水曜日2時限は授業です)
各自,余裕のあるときに,確認自習いただく
引き続き気をつけてほしいこと.
(1)倫理を正しく理解 ・他の人の意見や研究などを参考に,考察を深めるのは良いこと. (例)ある人は「SGDs が大切」と言っていた.私も同感だ. ・複数名が,同じ研究テーマということはありえる.当たり前のことです. ・実験の実施,考察は個々人のものです.卒業研究では,同じ研究テーマであっても,実施する実験は違う,ということにしてください. ・他の人が書いた実験結果,他の人が書いた考察を丸写しということはありえません. ・実験の準備での共同(例えば,学習や検証などに使う画像や音声のデータをシェアする)ということは積極的に行ってください. (2)必要な知識の学習,必要な調査は各自で行う.助け合う. (3)データや調査結果をもとに情報発信することを意識する (4)失敗を気にしない.失敗で発見できるということもある (5)「やりたいこと」,「どうなれば成功かを,どうやって確かめるか」,「失敗して,やり直すとき,何を省略できるか」は自分で考える.ことは大切.
「うまくいかない」,「頑張りたい」と心配なとき
(1)実は,他の方向を使うと簡単に解決できる
(2)実は,困難な問題で,とても1年間や2年間では解決できない
(3)卒論のトピックスとして自分でチャレンジしてみる,失敗を恐れない.
(1)や(2)や(3)のどれになるか,を,各自で意識していただきます.(1)や(2)については,仲間や先生に聞いて教えてもらえるということもよくあります.
話題提供
Microsoft Store で入手できる
blosm.zip を入手(展開はしなくてよい)
https://github.com/vvoovv/blender-osm/#blender-osm-openstreetmap-and-terrain-for-blender
音のデータを処理してグラフ化.
スペクトログラムは,横軸、縦軸が時間と周波数。音全体が1枚のグラフ.
スペクトログラムを作成する Python プログラム.
https://colab.research.google.com/drive/1H4W4mZKMXDfA9tbCcrzvyBpfVyREs8Wr?usp=sharing
次で公開されている音のデータ(.wav 形式ファイル)について, スペクトログラムを作成
頭部の位置推定 (head pose estimation) については 3/30 にも説明しました.そちらの資料もさんこうにしてください(別手法です).
Google Colaboratory のページ
https://colab.research.google.com/drive/1-Fn90KL1IAAA58CW3yAr_Nj1FyvH9Oyd?usp=sharing
画像やビデオから 3次元の Box Landmark 検出を行う.
MediaPipe Objectron を使用
【関係する外部ページ】
https://google.github.io/mediapipe/solutions/objectron#python-solution-api
Google Colaboratory のページ
https://colab.research.google.com/drive/1bakykeEVwdwfZlRuWdgBgPW6iU8MNO3z?usp=sharing
MediaPipe Pose を使用して, 画像から,人体の3次元ランドマーク検出,人体の3次元姿勢推定,人体のセグメンテーションを行う.
https://colab.research.google.com/drive/13nOMSW0Dzx_LjN9XEG99jtvgMACl4m9V#scrollTo=qVuMcBVQ4CtX
Google Colaboratory のページ
https://colab.research.google.com/drive/13nOMSW0Dzx_LjN9XEG99jtvgMACl4m9V#scrollTo=qVuMcBVQ4CtX で公開されているプログラムを一部書き換えて使用.
https://colab.research.google.com/drive/13nOMSW0Dzx_LjN9XEG99jtvgMACl4m9V
https://colab.research.google.com/drive/1R5v675dfX92tNCfXy9sWUa5UQdxQsfpM?usp=sharing
https://colab.research.google.com/drive/1RsxKuJLQ7hHmHOr0p7QK7igI2AFkb608?usp=sharing
Detectron2 を使用. さまざまなモデルでインスタンス・セグメンテーションを実行.
Detectron2 の github のページ:
https://github.com/facebookresearch/detectron2
Google Colaboratory のページ
https://colab.research.google.com/drive/1ikWanuaLMM-dqCnS2SBRsPG1YW0UNzMR?usp=sharing
11/24(木曜日) 14:30 から,卒業研究論文に関する個別面談を予定したい
データマネジメント,データ分析,グラフ作成(Python による自動化を含む):棒グラフ,円グラフ,散布図,ヒストグラム,線形近似,カーネル密度分布,自動分類(クラスタリング)
動画: https://www.youtube.com/embed/rcAP-p6r4Xw
Google Colaboratory のページ: https://colab.research.google.com/drive/1hY4O7yUV0zqcmHypRst1RnX2mt8_zatE?hl=ja#scrollTo=gIuquwzlcOck