研究室ガイド(金子邦彦研究室)

【強み】

研究室のゼミは、実は気軽なおしゃべりの場です。「準備ができていない」「進捗がない」と不安に思う人もいるかもしれませんが、ゼミは、わからないことを他の人に助けてもらったり、逆に自分が他の人に良い刺激を与えたりする場です。研究は、プログラミング経験が少なくても大丈夫です。最初に基本となるプログラムを用意し、時間をかけてていねいに説明します。じっくり選べる時間もあります。いまはAIがコーディングを助けてくれる時代です。研究テーマは、本人と相談の上で決めていきます。このページに書かれている内容も、1年をかけて、あせらず進めていくものです。心配しないでください。

卒論生の活動

研究プロセス: 問いを立て,分解し,検証し,評価し,次の行動を決める反復過程である。

  1. 第一に,ゼミ活動として,教員や他の学生と積極的にコミュニケーションを行い,知識の習得と発信を行う。
  2. 第二に,卒業研究として,研究テーマの遂行からポスター・論文作成,プレゼンテーション準備までを行う。
  3. 第三に,基礎講習として,ITの基礎や研究の進め方について教員から説明を受ける。
  4. 第四に,技術体験ワークとして,教員から紹介された最新技術を自ら時間をかけて体験する。

研究室ガイダンス: [PDFファイル]

スケジュール

9/3再開

来週から木曜日:13時に変更はどうでしょうか?、金曜日:13時 (改めて相談します)

活動記録(クリックして展開)

11/19: 日本語文学作品の感情極性分析(更新)

10/29に紹介の「日本語文学作品の感情極性分析」を更新。青空文庫以外の4種類の日本語データセットをダウンロード・実験可能

https://www.kkaneko.jp/ai/apps/aozora_pn/index.html

実行ファイル:https://www.kkaneko.jp/ai/apps/aozora_pn/aozora_pn.exe

10/15 に紹介の「カメラ映像を用いた視線方向・サッカード・頭部姿勢推定ツール」を更新。サッカードの検出部分を調整、マルチカメラ対応、バグ修正。

https://www.kkaneko.jp/ai/apps/gaze_saccade/index.html

実行ファイル:https://www.kkaneko.jp/ai/apps/gaze_saccade/gaze_saccade.exe

11/13: 野生動物映像データセット検証・YOLOE-26 検出実験

教養講座の日です。ゼミを14時開始とします

https://www.kkaneko.jp/ai/apps/wildlife_dataset/index.html

実行ファイル:https://www.kkaneko.jp/ai/apps/wildlife_dataset/wildlife_dataset.exe

11/12: 野生動物映像データセット検証・YOLOE-26 検出実験

11/6: 映像の異常箇所検知 4 手法比較

https://www.kkaneko.jp/ai/apps/anomaly_vision/index.html

実行ファイル:https://www.kkaneko.jp/ai/apps/anomaly_vision/anomaly_vision.exe

11/5: 特定人物追跡ツール― BoostTrack++・TrackTrack・SAM 2.1 の比較

https://www.kkaneko.jp/ai/apps/person_tracking/index.html

実行ファイル:https://www.kkaneko.jp/ai/apps/person_tracking/person_tracking.exe

10/30: 瞳孔・虹彩・脈波のリアルタイム計測

https://www.kkaneko.jp/ai/apps/pupil_iris/index.html

実行ファイル:https://www.kkaneko.jp/ai/apps/pupil_iris/pupil_iris.exe

10/29: 日本語文学作品の感情極性分析

11/19 に更新

10/23: 日本の自然・里山風景ジェネレーター

https://www.kkaneko.jp/ai/apps/jpn_satoyama/index.html

実行ファイル:https://www.kkaneko.jp/ai/apps/jpn_satoyama/jpn_satoyama.exe

10/22: YOLOE-26 オープンボキャブラリー検出

https://www.kkaneko.jp/ai/apps/yoloe26track/index.html

実行ファイル:https://www.kkaneko.jp/ai/apps/yoloe26track/yoloe26track.exe

10/15: カメラ映像を用いた視線方向・サッカード・頭部姿勢推定ツール

11/19 に更新

10/9: 音色の比較試聴

ピアノ音色の比較試聴

https://www.kkaneko.jp/ai/apps/piano_play/index.html

実行ファイル:https://www.kkaneko.jp/ai/apps/piano_play/piano_play.exe

10/8: 太宰治テキストマイング

https://www.kkaneko.jp/ai/apps/textmining/index.html

実行ファイル:https://www.kkaneko.jp/ai/apps/textmining/textmining.exe

10/2: 1 台のカメラ映像から 3 次元形状を推定し、言葉で指定した物体までの距離を推定

https://www.kkaneko.jp/ai/apps/object_depth/index.html

10/1: AI 群衆カウンター - 3つの検出エンジン(人物追跡 / 頭部検出 / 密度マップ)と自動シーン判定

https://www.kkaneko.jp/ai/apps/crowd_count/index.html

9/25: 顔特徴量:顔の映像から眠気・集中・緊張・情動の変化を読み取る

https://www.kkaneko.jp/ai/apps/facefeature/index.html

9/24: AIのあたまの中 - 科学・AIミュージアム

https://www.kkaneko.jp/ai/apps/ai_musium_exhibit/index.html

9/18: 同時翻訳アプリ

https://www.kkaneko.jp/ai/apps/transcribe/index.html

9/12: アドベンチャーゲーム

アドベンチャーゲーム

9/11: 暗い動画を明るく鮮明にする

資料、ソースコード

9/4: コードのアップデート

  1. 日本語文学作品の感情分析(学習済みニューラルモデル(BERT)と日本語評価極性辞書の比較実験ツール)
  2. 説明 [PDF], [PPTX]

    改善点

    • 被覆率の向上:

      最長一致(照合候補が複数あるとき最も長い表現を採る方式)の候補に、末尾の形態素だけを基本形(活用を取り除いた見出し語形。lemma)へ置換した表層連結を追加した。「気/に/なら/ない」が「気になる」として当たるようになり、活用した複合表現の取りこぼしが減る。被覆率(本文中の表現のうち辞書と照合できた割合)が上がることで、極性語が1語も見つからず自動的に中立となる文が減り、辞書側の中立率が下がって一致率とκ係数(偶然の一致を差し引いた一致度)が変化する。

    • 一致度指標の分解

      κに次の3つを追加した。

      1. 95%信頼区間 — 漸近分散(大標本近似で得た推定量の分散。Fleiss ら 1969)から算出。κの推定精度を示す

      2. PABAK(prevalence-adjusted bias-adjusted kappa。周辺分布を一様と仮定したときのκ相当値。3値では (3×一致率−1)/2) — κとの差が、ラベル分布の偏りによるκの低下量にあたる

      3. 中立同士の一致の寄与 — 混同行列の「中立×中立」セルが対角和(一致文の総数)に占める割合

      これにより、一致率の水増し(両手法がともに判断を保留したことによる押し上げ)と、分布の偏りに起因するκの低下(κのパラドックス。Feinstein & Cicchetti 1990)とを切り分けて読める。

  3. 瞬目検出3手法の比較と瞬き頻度の時間推移の観察
  4. 説明 [PDF], [PPTX]

    改善点

    1. 適応しきい値の推定規則の改善。手法Aは開眼時分布の10パーセンタイルに margin×(1−base) を加た。手法BはEARの90パーセンタイルに ratio を乗じて求めるが、閉眼と判定されたフレームを基準履歴から除外してしきい値を更新する。さらに更新停滞が続く場合は全履歴へ切り替える回復機構を追加。

    2. PERCLOSの時間窓化。フレーム数ではなく秒単位のスライディング窓で閉眼時間率を算出するため、フレームレート変動下でも定義通りの推定値が得られる。相関係数は、逐次和を行い、数値的に安定な形で算出する。

  5. 静止画分類器と動画分類器によるフェイク動画判定の比較(ViT / SigLIP / VideoMAE を同一動画に同時適用する探究用ガイド)
  6. 説明 [PDF], [PPTX]

  7. 画像からの異常検知(統計モデル(PaDiM)・メモリバンク(PatchCore)・基盤モデル特徴(AnomalyDINO)の比較実験ツール)
  8. 説明 [PDF], [PPTX]

  9. 照度変化と前処理が物体検出モデルの検出結果に与える影響の測定
  10. 説明 [PDF], [PPTX]



    研究は「正解のある問題を解く」こととは違う。最新技術を再現・体験しつつ、他の人の助けを借りながら、自分のやりたいことをやり通す活動。

    現在行っている探求、中間発表への回答、学会発表の準備への挑戦:いずれも、自分で探求し、他者とコミュニケーションを取り、わかりやすく伝え、助けを求めるという点で共通する。

    ■ ガイド:中間発表の詳細部分説明プレゼン (最終更新: 7/31)

    [PDF], [パワーポイント]

    ■ ガイド:技術説明プレゼン(発展部分を含む) (最終更新: 7/29)

    [PDF], [パワーポイント], [動画](同じ内容,クリックしてダウンロード)

    ■情報工学の学び,プログラミングは研究の道具・触って確かめよう

    [PDF], [パワーポイント](同じ内容,クリックしてダウンロード)

    使用サイト

    Python Compiler Online(Python 学習サイト) https://pythoncompiler.io/

    演習 1

    
    import matplotlib.pyplot as plt
    months = [4, 5, 6, 7, 8, 9, 10, 11, 12, 1, 2, 3]
    temperature = [15.2, 20.1, 23.5, 28.3, 30.1, 25.8, 19.4, 12.6, 7.3, 4.8, 5.5, 10.2]
    plt.plot(months, temperature, marker='o')
    plt.title('Monthly Average Temperature')
    plt.show()
    

    演習 2

    
    import matplotlib.pyplot as plt
    import matplotlib.patches as patches
    
    fig, ax = plt.subplots()
    colors = ["purple", "orange", "cyan"]  # 色のリスト
    for i in range(3):                     # 3回繰り返す
        ax.add_patch(patches.Rectangle(
            (i * 60, 0), 40, 40,           # 位置(x,y), 幅, 高さ
            facecolor=colors[i],           # 塗りつぶし色
            edgecolor="black"              # 枠線の色
        ))
    
    ax.set_xlim(-10, 190)
    ax.set_ylim(-10, 60)
    ax.set_aspect("equal")                # 縦横比を揃える
    plt.show()
    

    ■Chat AI の実行(Super-Agent-Party)

    URL: https://www.kkaneko.jp/cc/wininst/super-agent-party.html

    説明資料: [PDF], [パワーポイント](同じ内容)

    コマンドプロンプトを管理者として開き、次のコマンドを実行してOllamaをインストールし、使用するモデルを取得する(インストール済の場合は更新される)。

    
    winget uninstall --id Ollama.Ollama -e --silent --disable-interactivity --accept-source-agreements
    REM   uninstall 後にプロセスが残ることがあるため再度停止
    taskkill /IM ollama.exe /F >nul 2>&1
    taskkill /IM "ollama app.exe" /F >nul 2>&1
    winget install --id Ollama.Ollama -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --custom "/DIR=C:\Ollama"
    winget upgrade --id Ollama.Ollama -e --silent --disable-interactivity --force --accept-source-agreements --accept-package-agreements --custom "/DIR=C:\Ollama"
    ollama pull LiquidAI/lfm2.5-1.2b-instruct
    ollama pull gemma4:e2b-it-qat
    

    上記URLのページで、演習1(Super Agent Party(SAP)の前準備と用途例)、演習2(VRM学習コンパニオン(2D/3Dデスクトップキャラクター))、以降の演習へと順に進める。うまく行かなかった場合でも有用な情報になるので共有して欲しい。

    Super-Agent-Party の用途例

    • VRM 学習コンパニオン(2D/3D デスクトップキャラクター)
      VRM モデル・モーション・3D シーンを差し替えできる.ASR・TTS・表情同期(enabledExpressions)と組み合わせることで,発話途中で割り込める音声対話キャラクターを構築でき,デスクトップ脇に学習相手を常駐させて英会話や暗唱を練習する用途で利用できる.OBS への透過配信と双方向 VMC プロトコル連携にも対応する.
    • ロールプレイ型対話学習(複数キャラクターによる同時対話)
      .png 形式のキャラクターカードを取り込み,各カードに個別の TTS 音色・アバター・絵文字を割り当てることができ,英会話練習で英語話者 2 体の対話を観察する用途や,歴史上の人物同士の対話を生成する用途で利用できる.長期記憶(memorySettings)とマルチロールグループチャットにより,AI 同士の多人数ロールプレイを実現できる.
    • AI 物語生成アシスタント(インタラクティブストーリー)
      【開発者】→【拡張機能】にリポジトリ URL(例:https://github.com/heshengtao/sap-story-adventure)を入力して Story Adventure 拡張機能を導入できる.worlds.json を編集することで世界観の設定や物語の生成ができ,創作演習・シナリオライティング教材・分岐型読解教材として利用できる.
    • 研究室・サークル用 Discord ボット
      QQ・WeChat・Feishu・DingTalk・Telegram・Discord・Slack・Bilibili・YouTube・Twitch へのワンクリックデプロイに対応する.Bot トークン入力・システムプロンプト・ナレッジベースの切り替えにより,FAQ 応答ボットや議事録要約ボットを運用でき,研究室や学生サークルで学内手続き・機材予約・論文締切の問い合わせ対応を自動化する用途で利用できる.
    • 個人用学習秘書(PDF ナレッジベース付き)
      PDF をドラッグ&ドロップすると,チャンク分割とベクトル化が自動で行われる.埋め込みモデルプロバイダー(selectedProvider)・取得件数(top_n)・リランキング(is_rerank)・呼び出しタイミング(when:before_thinking/after_thinking)といった RAG パラメータを GUI で変更でき,講義資料・教科書・参考論文を根拠に回答する専用 AI を用意する用途や,RAG パラメータの影響を観測する用途で利用できる.

    ■AIアシスタントのローカル実行、知識管理(RAG)

    URL: https://www.kkaneko.jp/cc/aitasks/rag.html

    「Ollama, Gemma 4:e2b モデルのインストール」は済んでいる前提で進める。使用するパソコンの搭載メモリ量が 32GB より少ない場合は、このページの演習10まで行う。この資料を仕上げていきたいので、うまく動かない箇所があれば教えて欲しい。

    [動画]

    ■MediaPipe による 12 種類の AI タスク実行(Windows)

    MediaPipe Tasks API により,物体検出,セグメンテーション,姿勢・手・顔・ジェスチャー認識,音声分類,テキスト処理の 12 タスクを Windows 上で実行する.各 Python スクリプトはモデル自動ダウンロード,ファイル選択,推論,結果表示の 4 段階で統一されており,改変と Web カメラ連携への拡張が容易である.

    AI 実行で精度・性能が不足する場合は,設定変更,学習済みモデルの選択,前処理,他技術の利用,追加学習などを検討する.

    URL: https://www.kkaneko.jp/cc/aitasks/mediapipe.html

    説明資料: [PDF], [パワーポイント](同じ内容), [動画]

    ■MediaPipe の用途例

    • WebVTuber スタジオ
      Face/Pose/Hand Landmarker の出力を ARKit 互換係数で VRM アバターに反映する.顔の表情・全身姿勢・手指形状をリアルタイムに 3D キャラクターへ転写する機能を実現する.ライブ配信・遠隔授業・匿名での講演収録において,演者の素顔を露出せずに表現力を維持する用途で利用できる.
    • AR フォトスタジオ(背景・髪色・服色・顔フィルタの一括変換)
      Image Segmenter の 6 クラスマスクと Face Detector で背景・髪・服を一括変換する.人物・髪・衣服の領域を画素単位で分離し,色や質感を差し替える機能を実現する.オンライン会議の背景除去・SNS 向けの外観シミュレーション・プライバシー配慮が必要な映像素材の生成に利用できる.
    • AR「なんでも図鑑」スカベンジャーハント/類似画像検索
      Object Detector と Image Embedder のコサイン類似度により,自前コレクションの近傍検索を行う.COCO 80 クラスで物体位置を特定し,ImageNet 由来の約 1000 クラスで細分類したうえで,独自画像群と照合する機能を実現する.博物館の展示解説・地域生物観察・研究室備品の棚卸しなどで,カメラに写したものを即座に同定する用途で利用できる.
    • ジェスチャ操作の音楽パフォーマンス/スマートコントローラ
      Hand Landmarker の指先座標と Gesture Recognizer の 7 クラスで楽器や機器を操作する.指先の空間位置と 7 種類の組み込みジェスチャを入力信号化する機能を実現する.エアピアノなどの音楽パフォーマンス教材・プレゼンテーションの非接触操作・調理現場など手が塞がる場面でのスマート家電制御に利用できる.
    • 「音響シーン × 多言語テキスト」モニタリングダッシュボード
      YAMNet 521 クラスと BERT 感情極性により,音響シーンとテキストを同一タイムラインに可視化する.拍手・笑い声・警報音などの音響イベント検出と,コメント文の感情極性判定を同期表示する機能を実現する.授業の盛り上がり分析・ライブ配信のモデレーション・イベント会場の雰囲気モニタリングにおいて,ASR(自動音声認識)に依存せずに状況把握する用途で利用できる.

    ■MediaPipe を用いた AI 実行(実践演習)

    URL: https://www.kkaneko.jp/cc/aitasks/mediapipe.html の後半で、以下の演習を行う。

    1. WebVTuber スタジオ

    • 概要:MediaPipe の Face/Pose/Hand Landmarker を併用し,Web カメラ映像から口・瞬き・視線に関する 13 個のブレンドシェイプ値,頭部姿勢の yaw・pitch・roll,左肩と両手人差し指先の座標をフレームごとに抽出する.
    • 概念・理解:AI が顔・体・手を同時に認識できること,表情の度合いが 0〜1 の数値で表されること,首の向き(左右・上下・傾き)が 3 つの角度で表されること,画面上の位置が 0〜1 の正規化座標で表されること.
    • 実行手順:Web カメラ接続→スクリプト実行(初回はモデルが自動ダウンロードされる)→ESC キーで終了.
    • 観察ポイント:口の開閉・瞬き・視線移動・首振りに応じた各値の変化,正規化座標と画素座標の対応,3 タスク同時実行時のフレームレート.
    • 工夫・アドバイス:13 個の値を CSV 出力することで VRM アバター制御に発展できる.

    2. AR フォトスタジオ

    • 概要:MediaPipe の Image Segmenter(6 クラス)・Face Detector・Face Landmarker を併用し,背景・髪・服を画素単位で分離して塗り替え,顔矩形と頭部姿勢行列を取得する.
    • 概念・理解:AI が画像の画素ごとに「背景」「髪」「服」などを判別できること,判別結果を用いて色を塗り替えられること,顔の位置を矩形で囲む処理と顔の細部を点で捉える処理は別の役割であること.
    • 実行手順:Web カメラ接続→スクリプト実行→ESC キーで終了.
    • 観察ポイント:背景・髪・服の塗り分け精度と境界の崩れ,頭部移動時のマスク追従,逆光や低照度での精度低下,コンソール出力の頭部姿勢行列の変化.
    • 工夫・アドバイス:cv2.addWeighted によるαブレンドで自然な髪色変換が可能である.背景クラスを風景画像に置換することで仮想背景機能を実装できる.頭部姿勢行列を用いることで立体スタンプの重畳に発展できる.

    3. なんでも画像検索(類似画像検索)

    画像ベースの探索を行うAIで,ノートPCの画像をもとに,カメラ画像からノートPCを探すことができる.参照画像として別のモノの画像を使うようにコードを変えることで,ノートPC以外の発見も可能である.

    4. ジェスチャと指先動作による対話型コントローラ

    各自試して,発想を膨らませて欲しい.

    ■シミュレーションと 3 次元コンピュータグラフィックス体験からの学び

    準備作業,プログラム実行体験,各自考察(参考資料あり)

    URL: https://www.kkaneko.jp/db/panda/panda3dapp.html

    ■コンピュータビジョン

    スライド資料

    [PDF], [パワーポイント](同じ内容, クリックしてダウンロード)

    URL: https://www.kkaneko.jp/cc/aitasks/image_understand_guide.html

    ■画像からの3次元推定

    次のページで演習を行う。動作結果(画像,動画)を確認できる。

    URL: https://www.kkaneko.jp/cc/aitasks/3dintro.html

    ■3D モーションキャプチャと 3D アバター駆動

    スライド資料

    [PDF], [パワーポイント](同じ内容, クリックしてダウンロード)

    URL: https://www.kkaneko.jp/cc/aitasks/mocap.html

    3D の表示画面はマウスで回転可能。

    ■3D 姿勢推定・モーションキャプチャの応用演習:生活・社会に根ざした全身動作の活用

    URL: https://www.kkaneko.jp/cc/aitasks/mymocapapp.html

    ■顔情報処理

    https://www.kkaneko.jp/cc/aitasks/face_processing.html

    ■自然言語処理演習

    https://www.kkaneko.jp/cc/aitasks/janlp-guide.html

    電気・情報関連学会中国支部連合大会 参加案内

    学会名:電気・情報関連学会中国支部連合大会
    公式サイト:https://rentai-chugoku.org/

    日程

    2026年10月17日(土)

    会場

    広島大学

    JR西条駅
    西条駅南口から路線バス(中国JRバス・芸陽バス、約15分)に乗車し、「大学会館前」で下車。

    参加費

    金子教授が8月20日に振り込む(大学負担のため、学生の自己負担なし)。

    プレゼン準備

    10月10日の週に金子教授と準備を行う。

    原稿提出について

    各自の研究、現在までの取り組み

    各自のワードファイル:セレッソに記載

    https://cerezo.fukuyama-u.ac.jp/ct/page_1813820c1296597_2953559475

    1. 著者は2名(本人、金子邦彦)とする。
    2. 実験結果を追記。
    3. 原稿は1枚、または2枚
    4. ワードファイルを金子(kaneko@fukuyama-u.ac.jp)へメール送付すること。最終期限は8月19日。その後金子が8/21に提出(最終確認して提出します)。
    5. 年齢、JRに乗って広島駅へ行く際の最寄り駅を知らせること。
    6. 8/19まで頑張る人が多い場合は、活動再開をずらします(夏休みは2−3週間としたい)

    学会発表準備へ向けて

    皆さんが学会発表できますようにサポートします。プレゼン作り、コード作成、アイデア出しなどです。挑戦してみてください。

    ■中間発表・学会原稿準備

    これまでの取り組みを振り返り,テーマ探求を進める。本資料に記載してきた各回の内容(過去の活動履歴)に加えて,下記の AI サンプルプログラム集を参考にする。

    AIサンプルプログラム集: https://www.kkaneko.jp/ai/labo/index.html

    ソースコードや実行結果を確認しながら技術への理解を深め,可能であれば自分のパソコンで動作させることにも挑戦する。現在までの取り組みと今後の予定をわかりやすく書く(中間発表)。自分なりの工夫を試し,その結果をシェアする(学会発表原稿)。

    発表・原稿のテンプレート(書き方の見本)や,ゼミ・研究の進め方に関する心構えについては,前述の「研究室ガイダンス」および「情報工学の学び」の資料(enshu1.pdf/pptx)を参照する。

    ■お知らせ

    就職情報2026(情報工学科)のアンケートに毎月回答する(ただし,就職委員から個別に指示が行われる場合はそれに従う)。

    ■研究室ガイダンス

    集合しての活動日、研究室ゼミ、年間スケジュール、進め方などを説明する。

    研究室ガイダンス資料:[PDFファイル]

研究室ガイダンス資料(クリックして展開)

研究の心構え,研究の進め方,中間発表へ向けて,心配なことがあるとき

秋までのスケジュール:中間発表(7月),学会発表原稿(8月),プレゼン(10月)

指導教員,仲間,AIへの相談

説明資料: 研究室ガイダンス

HP掲載資料: AIをあなたの研究アシスタントとして適切に使う

AIをあなたの研究アシスタントとして適切に使う(クリックして展開)
  1. まず自分で考え,AIは比較材料として使う。
  2. AIの回答には誤りや架空の情報が含まれる場合がある。必ず正確性を確認すること(例:元論文を確認)。
  3. 聞き方を変えて繰り返し試すことで,より良い回答を引き出せる。
  4. AIの回答で終わりにするのでなく,自分で追加調査,独自の考察,実際の検証などを行い,「自分の成果」をメインにすること。

1.私の興味・関心に沿った卒業研究テーマの提案(対象:情報工学科4年生,研究期間:約10か月)

《プロンプトのサンプル》

AIに相談するために、言葉で、AI二プロンプトという指示を出します。


末尾に記載する私の興味・関心に基づき,研究テーマを複数提案してください。

■ ゴール
私の興味・関心に沿った卒業研究テーマの提案(対象:情報工学科4年生,研究期間:約10か月)

■ 背景
情報工学科4年生の卒業研究には以下の特性がある.
- 多くの学生にとって初めての研究であり,適切な範囲設定やリサーチギャップの特定に不慣れである
- 研究期間が約10か月に限られる
- 利用環境は一般的なPCが中心である

こうした制約のもとで,興味・関心と実現可能性のバランスがとれたテーマ設定が重要となる.

■ 手順と形式
以下の項目をテーマごとに記載すること。

- 「テーマ名」と「研究の範囲」
- 類似研究の調査結果(既存研究の概要とリサーチギャップ)
  文献を挙げる際は,著者・タイトル・発表年・掲載先を明記する。
- 研究としての成立要件の確認と根拠。成立要件は以下の3点とする:
  ・新規性
  ・特別なハードウェアを必要としない実現可能性
  ・約9か月での完了可能性
  懸念があれば正直に指摘し,対策案も示す。
- 「何をやるか」と「何をやらないか(除外理由含む)」

■ 出力の制約
- 各項目の根拠や理由を簡潔に付記すること
- 判断や評価を行う場合は,その根拠を明示すること
- 専門用語には初出時にカッコ書きで簡単な補足説明を付け,情報工学科の4年生が理解できる記述とすること
- 出力を作成したら,正確性・論理性の観点で品質を確認したうえで表示すること。文献やURLは可能な限り実際にアクセスし確認すること

■ 私の興味・関心
(ここに記入)

2.決まったテーマを,具体的な研究課題と最初に取り組むべき作業に落とし込むこと(対象:情報工学科4年生,研究期間:約10か月)

《プロンプトのサンプル》


末尾に記載する私の研究テーマに基づき,研究の具体化について思考・整理してください.

ヒント:このプロンプトの末尾「私のアイデア」のところに、前のAIからの回答を付けるときには、次のような記載を追加することで、より適切な提案が得られる可能性がある。 「ここから先の資料はAIが生成した比較材料です.自分自身の研究計画案を持った上で参照してください.記載された計画には不正確な箇所が含まれている前提で,原論文を探し検証してください.」 ■ ゴール 決まったテーマを,具体的な研究課題と最初に取り組むべき作業に落とし込むこと ■ 背景 テーマが決まった後,それを検証可能な問いと具体的な作業に落とし込む段階である. 研究初心者にとってはこの絞り込みが難しい. ■ 出力に含める項目 1. 研究テーマの要素分解:テーマに含まれるキーワードや概念を分解・整理する 2. リサーチクエスチョンの候補:テーマから導出できる具体的な問いを3〜5件提示する 3. 各問いの評価:以下の観点で簡潔に評価する - 新規性:既存研究との差別化の可能性 - 実現可能性:今後約9か月間の卒業論文期間で取り組めるか - 検証可能性:実験やデータで答えが出せるか 4. 推奨する最初の作業ステップ:最も有望な問いについて,着手すべき作業を順序付きで3〜5件示す 5. 関連する研究キーワード:文献調査の起点となるキーワードを5〜10件提示する 6. 利用可能なオープンデータがあれば、名称、概要、URL、利用の意義を説明する ■ 出力の制約 - 推測や主観的評価は排除すること - 各項目の根拠や理由を簡潔に付記すること - 専門用語には初出時にカッコ書きで簡単な補足説明を付け,情報工学科の4年生が理解できる記述とすること - 出力を作成したら,正確性・論理性の観点で品質を確認したうえで表示すること。文献やURLは可能な限り実際にアクセスし確認すること ■ 私の研究テーマ (ここに記入)

3.私の取り組みの実現に適するツールやライブラリの深掘り調査

《プロンプトのサンプル》


末尾に記載する私の取り組み予定に基づき,ツールやライブラリの深掘り調査を行ってください。

回答の先頭に,次の文をそのまま記載すること:
「この資料はAIが生成した調査結果です.調査結果には不正確な箇所が含まれている前提で活用してください.」

■ 背景
情報工学科4年生の卒業研究において,研究に必要な技術が学部授業でカバーされていないことが多い.
そのため,ツールやライブラリを自力で調査・評価する能力が求められる.

■ ゴール
私の取り組みの実現に適するツールやライブラリの深掘り調査(対象:情報工学科4年生)

■ 調査項目
私の取り組みについて,ツールやライブラリごとに以下を記載すること.

- 公式ドキュメントのURL
- 同種の候補の数と主な候補名
- ライセンス形態と商用利用の可否
- 開発の継続状況(最終更新日,リリース頻度など)
- 既知の欠点や制約
- 採用を推奨する理由(他の候補との比較に基づくこと)

調査の終了条件:主要な候補を比較し,推奨順位を付けられる状態とする.

■ 出力の制約
- 判断には根拠を明示し,推測や主観的評価は排除すること
- 専門用語には初出時にカッコ書きで簡単な補足説明を付け,情報工学科の4年生が理解できる記述とすること
- 出力を作成したら,正確性・論理性の観点で品質を確認したうえで表示すること。文献やURLは可能な限り実際にアクセスし確認すること

■ 私の取り組み
(ここに記入)

4.私のアイデアの実現可能性を評価し,検証・試行の具体的な手順を示すこと.

《プロンプトのサンプル》


末尾に記載する私のアイデアに基づき,アイデアの試行や検証について具体的な手順を提案してください.

回答の先頭に,次の文をそのまま記載すること:
「この資料はAIが生成した調査結果です.調査結果には不正確な箇所が含まれている前提で活用してください.」

■ 背景
アイデアの検証と試行のために,新しいツールやライブラリの使用やプログラミングが必要である.
しかし,ツールやプログラミングに不慣れなため,環境構築やコードの誤りが原因で,有望なアイデアを誤って「見込みなし」と判断するリスクがある.

■ ゴール
私のアイデアの実現可能性を評価し,検証・試行の具体的な手順を示すこと.
対象読者は情報工学科4年生とする.

■ 調査項目
私のアイデアについて,候補となるアイデアごとに以下の項目を記載すること.

1. 概要と理由
   - アイデアの概要説明と検証の必要性(すでに検証済みの事実を繰り返さない)

2. アイデアの実現可能性レビュー
   - 「実現できそうか」:技術的に実現可能かどうかの判定と根拠
   - 「罠があるか」:導入時・実装時に陥りやすい問題点(依存関係の競合,非推奨APIなど)
   - 「代案はあるか」:問題が判明した場合の代替手段

3. 長所・短所の比較
   - アイデアの長所と短所を,根拠とともに整理すること

4. 検証・試行の手順
   以下の順序で,ツールやPythonに不慣れな人が迷わずに実行できる手順を示すこと.
   (a) 環境構築:インストールコマンド,必要なバージョン,動作確認方法
   (b) 最小限の動作確認コード:コピー&ペーストで動作する完全なコードと,その実行方法
   (c) アイデアの検証コード:私のアイデアに即した検証用コードと,期待される出力
   (d) 判定基準:「この出力が得られれば実現可能」「この出力なら方針変更が必要」という判断の目安

5. アイデアの新規性の確認
   以下の観点から,アイデアのどこに新しさがあるかを調査すること.
   - 同じ目的の既存ツール・ライブラリ・研究がすでに存在するか
   - 存在する場合,私のアイデアとの違いは何か
   - 既存技術の新しい組み合わせや,新しい適用対象といえる部分はあるか
   調査結果をもとに,「このアイデアの新しさはここにある」と説明できる文を1~2文で示すこと.
   卒業研究の発表や論文で,新規性の説明として使用することを想定している.

■ 出力の制約
- 判断には根拠を明示し,推測や主観的評価は排除すること
- 専門用語には初出時にカッコ書きで簡単な補足説明を付けること
- コードを示す場合は,コピー&ペーストでそのまま動作する完全なコードとすること
- 文献やURLは可能な限り実際にアクセスし,リンク切れでないことを確認すること
- 出力を作成したら,正確性・論理性の観点で品質を確認したうえで表示すること
- 可能な限り多くの検索を実行し,情報の裏付けを取ること

■ 私のアイデア
(ここに記入)

ガイド


【最重要】これだけは押さえよう

はじめに読む:研究室の基本(クリックして展開)

1. 研究室の概要

AIとデータベースの技術を活用して社会課題の解決に取り組む研究室である。「勉強も研究も楽しいものである」という考えを大切にし,個人での粘り強い取り組みとグループでの協働を通じて創造性を発揮できる環境を提供している。

卒業研究は,単位取得だけが目的ではない。指導教員や仲間との議論,試行錯誤を通して,問題解決能力,論理的思考力,プレゼンテーション能力を養う。

研究プロセスを通して自分の興味を形にする達成感を味わい,自信を持って次のステップ(就職・進学)に進む力を身につけてほしい。

2. 3年生から4年生へ:演習から卒業研究へ

情報工学演習IIで取り組んだこと

情報工学演習IIでは,「AIを動かす → 結果を観察する → 変化を確かめる」という研究の基本サイクルを,さまざまなAI技術を通じて繰り返し体験した。

画像から情報を読み取るAI

  • 物体検出(YOLOv10): 写真の中から人や車を見つける
  • 姿勢推定(BlazePose): 人の体の動きを3次元で捉える
  • 視線推定(Gaze-LLE): 人がどこを見ているかを推定する

より高度な画像理解

  • ゼロショット検出(GroundingDINO): 「ひび割れ」「消火器」など,言葉で指定した物体を見つける
  • セグメンテーション(SAM2+CLIP): 画像を「空」「建物」「人」などの領域に分ける

言葉を扱うAI

  • 文書類似度(日本語BERT): 文章どうしの「意味の近さ」を数値化する

AIを活用する力

  • 画像生成AIの特性を実験で探る
  • 対話型AIを「家庭教師」として使いこなす方法を学ぶ

体験を通じて学んだこと

①「調整すると結果が変わる」こと

物体検出では「信頼度閾値」というパラメータがある。この値を上げると,AIは確信度の高いものだけを検出し,見逃しは増えるが誤検出は減る。逆に下げると,多くのものを検出するが,間違いも増える。このようなトレードオフ(一方を良くすると他方が悪くなる関係)を,スライダーを動かしながら自分の目で確認した。

②「同じ技術でも使い方で結果が変わる」こと

画像生成AIの演習では,プロンプト(AIへの指示文)の書き方によって生成される画像がどう変わるかを実験した。同じ内容でも,言葉の順序や強調の仕方で結果が異なることを確認した。

③ AIを「道具として使いこなす」視点

対話型AIを家庭教師として活用する演習では,AIに「質問してもらう」ことで,自分に合った支援を引き出す方法を学んだ。AIは指示の与え方次第で,一般的な回答にも,個別に最適化された回答にもなることを体験した。

研究室の3つのテーマとのつながり

金子研究室では「AIの応用」「対話型AI」「3次元技術」を研究テーマとしている。演習は,これらすべての領域に触れる内容であった。

研究テーマ 体験した技術
AIの応用と社会課題解決 物体検出,ゼロショット検出,セグメンテーション
対話型AIの教育活用 AI家庭教師,画像生成AIの探求
3次元デジタル世界 3次元姿勢推定

卒業研究へ:ここから広がる可能性

これからは,一人ひとりが自分でテーマを決めて取り組む「卒業研究」が始まる。

プログラミングの経験が少なくても大丈夫

  • 最初に,基本となるプログラムと説明が提供される
  • 実行方法については,授業で丁寧に説明する

基本プログラムが動いたら,そこからは自分の工夫次第

  • 自分で集めた写真や文章で実験してみる
  • パラメータの設定を変えて精度を上げてみる
  • 新しい機能を追加してみる
  • 別のデータに応用してみる

「こうしたらどうなるだろう」という疑問を持ち,試してみる。これが研究の出発点である。

難しく考えすぎる必要はない。演習でAIを動かし,結果を観察し,変化を確かめる経験を積んできた。その延長線上に卒業研究がある。自分の興味あるテーマで,自分のペースで取り組んでほしい。困ったときは,いつでも相談を。

3. 毎週のゼミ:気軽なおしゃべりの場

毎週のゼミでは,各自が最近やったことや考えていることを気軽に話す。形式ばった発表ではなく,おしゃべりの延長である。

どんな場か

  • 「今週はこれを試してみた」「ここで詰まっている」といった近況を,普段の会話のように共有する場である
  • 準備に時間をかける必要はない。 話したいことをそのまま話せばよい
  • 進捗がなくても構わない。 「今週は忙しくてあまり進まなかった」でも問題ない

こんなときに役立つ

  • 一人で悩んでいたことを話したら,意外とあっさり解決することがある
  • 「自分も同じところで困った」という仲間の経験が参考になる
  • 教員や仲間と話すうちに,自分の考えが整理されることがある
  • 他の人の話を聞いて,「それは面白そうだ」と新しいヒントを得ることがある

気楽に参加するために

  • 話す内容は何でもよい: 研究のことでも,調べたことでも,困っていることでも,何でも話題になる
  • うまく話せなくても大丈夫: 言葉に詰まっても,みんなで一緒に考える雰囲気がある
  • 聞くだけでも収穫がある: 自分が話す番でなくても,仲間の話から学ぶことは多い

4. 受講準備

研究室のパソコンを使用する。

自身のパソコンで研究する場合は,下記のページを参考にセットアップする。

https://www.kkaneko.jp/cc/wininst/winoptionsoft.html

5. 求められる姿勢と能力

5.1 基本的な姿勢

  • 自主性: 自ら考え,行動し,楽しむ力
  • 計画力: テーマの具体化と実行計画を立てる力
  • 協働性: 学生間の連携力
  • 時間管理能力: 研究と就職活動の両立(早めの行動・計画的な継続)

5.2 リサーチワークの要点

問題意識の本質

自分で取り組める課題を見つける力が研究の出発点となる。「この教材は使いにくい」という気づきから教育アプリの開発研究につなげる,といった例がある。「なぜそうなるのか」と問い続けることで研究が深まる。

批判的思考の要点

情報をそのまま信じず,自分自身で確かめる姿勢が大切である。証拠や根拠に基づいて判断し,さまざまな角度から考えることで研究の質が高まる。

インターネットの情報だけでなく,自分で実際にパソコンで動作させて確認することで,理解が深まり,新たな発見が得られる。

自律性の重要性

研究の主役は自分自身であるという自覚が必要である。教授から与えられた課題でも,「どう取り組むか」は自分で決める。指導教員は案内役であり,最終的な判断と責任は自分にある。

問題意識から出発し,批判的に情報を集め,自分の判断で研究を進めた結果,独創的な卒業論文が完成する。

必要なときに見返す:研究テーマ例・スケジュール・ルール・連絡先(クリックして展開)

6. 研究テーマ例

研究テーマは学生と教員の相談のうえで,本人の希望を尊重して決定される。以下に代表的なテーマ例を示す。

6.1 人工知能の技術で社会課題を解決

  • 解決したい問題: 地域の交通渋滞予測や農作物の生育診断など,従来の方法では対応しきれない身近な問題
  • 取り組み方: 画像認識や予測モデルなどのAI技術を実際に試して,その特徴を理解しながら問題解決に応用する
  • 得られる成果: 実際に動くAIシステムの開発と,技術と社会をつなげる実践力

6.2 ChatGPTなどを教育・学習支援に活用

  • 解決したい問題: 一人ひとりに合った学習サポートの不足,わからないことをいつでも質問できる環境の欠如
  • 取り組み方: ChatGPTなどを使って,学習者の理解度に合わせて説明を変えたり,質問に答えたりするシステムを作る
  • 得られる成果: 自分だけの学習アシスタントや,特定の科目に特化した教育支援ツールの開発

6.3 3次元デジタル世界でリアルを再現

  • 解決したい問題: 現実の建物や街並みをデジタル上で再現し,防災計画や観光案内などに活用することの困難さ
  • 取り組み方: スマートフォンで撮影した画像をAIで分析し,簡単に3次元空間を作る方法を開発する
  • 得られる成果: 手軽に3次元空間を作れるアプリや,仮想空間で体験できるキャンパスツアーなどの実用システム

7. 基本情報

  • 担当教員: 金子邦彦(情報工学科)
  • ホームページ: https://www.kkaneko.jp/a/lab.html
  • 研究室(活動場所): 4号館2階 03203教室(半分を使用)
  • 授業形式: 登校しての活動が基本

7.1 活動時間と形式

  • 定例コアタイム(前期):木曜日 11:00,金曜日 13:00(4月に相談のうえで決定する。受講中の授業と重ならないように設定される)(後期は別時間に変更する予定)
  • 活動時間の目安: 1回あたり2〜3時間以上
  • 推奨される活動: コアタイム以外も自主的に登校を推奨する。必要に応じて,追加の登校を求める場合がある
  • ゼミ形式: 毎週の「気軽なおしゃべり」形式,全員集合
  • 個別相談: 遠隔活動希望など,特別な事情がある場合は個別に相談可能

7.2 欠席時の対応

  • 欠席した場合は自身で補うか,教員と相談のうえ補充する
  • 卒業論文では公認欠席の考え方は採用しない

8. 研究活動の進め方

8.1 基本方針

研究は,学生自身の自主的な活動が中心である。指示待ちではなく,自ら考え,計画し,行動する自立心が成功の鍵となる。

集合してミーティング等を行った後,各自で自主活動を行う。自主的な調査・学習と,実験手順・実験結果・考察を根拠やデータとともに説明する活動を重視する。

8.2 テーマ設定

  • テーマ決定済: 研究活動を開始する
  • テーマ未定: 最初の約2か月(6月中旬ごろまで)で探求する

8.3 研究プロセス(年間の流れ)

時期 活動内容
4〜5月 研究スキルの基礎(調査,実験,専門知識やスキル),コミュニケーションの開始,IT活用スキル
6〜7月 自主制作(プログラミングやデータの工夫),実験・検証の繰り返し,研究テーマ研と具体的な研究課題、使用するツールやライブラリ、関連調査
7月 中間発表【合格必須】
7月下旬から8月中旬 学会発表原稿【任意・加点対象】
8月〜12月 ITシステム制作,制作物の調査・分析,説明力,客観的な評価
10〜12月 課題発見と課題解決,技術理解,根拠提供,論理的思考
10月 学会プレゼン【任意・加点対象】
12月 卒業論文執筆・提出,卒論プレゼン【合格必須】
1〜2月 仕上げ,学会発表【任意・加点対象】

8.4 進捗に関する心構え

研究が計画通りに進まなくても,試行錯誤のプロセス自体が重要な学びである。 過度に心配せず,経験を次に活かすことが大切である。

9. 提出課題と評価

提出方法はすべて「セレッソ」経由である。

9.1 提出が必要なもの

【合格必須課題】

  • 中間発表用ポスター(1枚),質疑応答:7月予定
  • 卒業論文ファイル(本文10頁以上),論文タイトル,最終プレゼン(5分,許容範囲:4分30秒〜5分30秒):12月予定

【任意・加点対象課題】

  • 学会発表原稿(1〜2頁):8月中旬予定
  • 学会プレゼン原稿:10月予定

※学会発表は有用な経験が得られる機会である。原稿は8月に提出し,その後追加実験などを行って自信をもって参加してほしい。

9.2 成績評価の考え方

卒業研究の評価は,他の授業とは異なる。研究を楽しみ,熱中し,自主的に取り組み,自立することが大切である。

評価の観点:

  • 日頃の登校しての活動状況
  • 中間発表
  • 学会発表準備と発表
  • 卒論提出
  • 卒論プレゼン
  • 成長できたか

9.3 成績評価の基準

合格の目安:

  • 登校してのグループ活動に問題がない
  • 自主的に調査し,実験計画を立て,実験し,工夫を行っている
  • 修得した専門知識,使用技術,実験手順,工夫点について,他の教員に説明でき,質問に答えることができる
  • 中間発表のポスターや卒業論文やプレゼンについて,分量や内容のルールを守っている
  • 卒業論文のプレゼンについて,時間制限(4分30秒〜5分30秒で発表を終える)を守ることができている

優秀の目安:

以下の点で優れていること。

  • 専門知識: 専門的な知識や技術を,自主的に学んでいる。仲間に教えたり,仲間から教わったりしている
  • 調査・分析能力: 直面した課題について,関連する情報を収集しながら,解決に取り組んでいる。困ったときは仲間や教員に相談している
  • プログラミング: 研究で使用するプログラムについて,工夫ができる。そのためにPython言語の理解と,実践能力の成長に意欲的である
  • マネジメント: 時間を有効に活用している。締め切り前の確認,教員への相談・質問などに努めている
  • コミュニケーション: 仲間や教員に説明ができる。他の人とともに高め合うことができる。学会発表や,チーム内の意見交換(人の話を聞いたり,意見を言ったりすること)に積極的である
  • 問題解決能力: 失敗してもあきらめずに,実験結果や調査結果を積み重ねながら解決策を見つける。データの取り方,プログラムの設定やアルゴリズムを工夫し,別のやり方も試す。困ったときは仲間や教員に相談する

10. サポート体制とコミュニケーション

10.1 出欠確認と連絡

  • 教員が研究室で活動状況を確認する
  • 進路指導や連絡のため,学生に電子メールで連絡することがある

10.2 質問・相談の方法

  • 簡単な質問: 金子の研究室(4号館2階)へ直接訪問
  • 訪問可能時間: 在室しているときはいつでもドアをノックして訪問可能
  • メールでの質問・相談: kaneko@fukuyama-u.ac.jp
    • 件名の例:【氏名】卒論に関する質問(または相談)

10.3 連絡ツールの使い方

  • 「セレッソ」: 重要なお知らせ・連絡確認,課題提出に使用

※セレッソは定期的に確認すること。

10.4 教材・資料の入手方法

11. 研究室の設備と利用

11.1 基本方針

研究室は学生が主体的に活動するための空間である。研究活動・学習・交流の場として自由に利用できる。

11.2 現有設備

  • PC 6セット
  • 専門雑誌各種

11.3 整備計画

  • PC 12セットへ増設予定(現有6セットのうち5セットはOS入れ替え予定,高性能機を追加)
  • キャビネット(鍵なし)2セット(増設予定)
  • VR実習セット(増設予定)
  • 作業デスク(追加予定)

11.4 利用ルール

  • 研究室のPCは自由利用であり,ソフトのインストール等も自由である。ただし,貴重なデータは各自でバックアップすること
  • 部屋の外への持ち出しは禁止
  • 私物管理: 使用後はキャビネットに収納するか持ち帰ること
  • 貴重品: 各自の責任で管理すること
  • 共有スペース: 他のゼミ生への配慮を忘れずに

12. 毎月の就活・進学状況調査

  • 対象者: 情報工学科4年生全員(進路確定者に限り,報告後は翌月からの回答不要)
  • 回答方法: セレッソ「就職情報2026(情報工学科)」コース内の「アンケート」から回答
    • URL: 準備中
  • 回答期限: 毎月20日
  • 調査目的: 同級生の活動状況の共有(公開されるのは「内々定者:○名」という情報)

※全員が対象であるため,毎月20日までに回答すること。

13. 就職活動でのアピール:演習・研究経験の伝え方

面接で「学生時代に頑張ったこと」を聞かれたとき,情報工学演習IIや卒業研究での経験は十分にアピールできる。

伝えるべきポイント

演習や研究には「正解」がない。パラメータを変えたらどうなるか,プロンプトを工夫したらどう変わるか——自分で試し,観察し,考える活動であった。

うまくいかないことも当然ある。設定を変えても期待した結果にならない,エラーが出て動かない。そんなとき,諦めずに別の方法を試したり,原因を調べたりした経験こそが大切である。

「失敗したが,こう工夫した」と語れることが強みになる。

振り返りの例

  • 印象に残った実験は何か
  • うまくいかなかったとき,どう対処したか
  • 「なるほど」と発見した瞬間はあったか

これらを自分の言葉で話せるように整理しておくと,面接で役立つ。

卒業研究も同じ

卒業研究も,正解のない問題に自分で挑戦する活動である。試行錯誤しながら取り組んだ経験は,「自分で考え,行動できる人」として評価される。

おわりに

卒業研究は、大学生活の集大成となる活動である。自分の興味関心に基づいて技術に触れながら、これからの社会で必要とされる力を養う機会である。楽しみながら、大学生活を過ごそう。