修士2年(当時)川島君が、Cyber Informatics Research Awardを受賞しました

修士課程2年(当時)川島寛乃君の修士論文研究が、大学院政策・メディア研究科 CIプログラムにおける優れた研究成果に贈られる「Cyber Informatics Reseasrch Award」を受賞しました。

Jan 22, 2022: Hirono Kawashima, ”Continual Learning of Image Classification Using Neural Control Based on Class Difficulty”, Master Thesis, fall semester academic year 2021. 

2021年度秋学期の研究室内Awardが決定いたしました!

2021年度秋学期の、中澤・大越研究室内各種表彰(Award)が発表されました。この度受賞者した皆さん、3月に学部/大学院を卒業/修了した皆さん、おめでとうございます!

最優秀WIP賞 (Best Work-in-progress Award)
泉川茉莉君(2年)

最優秀TERM Project賞 (Best Term-project Award)
牧野青希君(3年)

最優秀卒論賞 (Best Bachelor’s-Thesis Award)
岩田あきほ君(4年)

新人王 (Rokie of the Semester Award)
泉川茉莉君(2年)

親王 (Best Mentor Award)
佐々木航君(博士課程)

Best Effort Award
Wenhao Huang君(修士2年)

Outstanding Service Award
牧野青希君(3年)

最優秀システム賞 (Best System Award)
柄澤匠君(3年)

最優秀論文賞 (Best Paper Award)
Xi Wang君(4年)

【受賞】学部4年別宮君らの研究が情報処理学会第72回ユビキタスコンピューティングシステム(UBI)研究会でUBIヤングリサーチャー賞を受賞しました – “物体検出とセマンティックセグメンテーションによる車道上に限定した未知物体検出手法の提案”

先日、情報処理学会第72回ユビキタスコンピューティングシステム(UBI)研究会で発表した学部4年別宮君らの研究が、UBIヤングリサーチャー賞を受賞しました。

UBIヤングリサーチャー賞は、今後に期待のかかる若手研究者を奨励するために修士1年生以下を第一著者とする優秀な論文に対して贈られる賞です。

道路上に出現する廃棄物は,ドライバーなどからの報告をもとに国や県などが撤去するため、長期的に廃棄物が放置される可能性があり,また網羅的な調査にもコストがかかります。本研究では、道路上の異状の中でも車道上の廃棄物に注目し、車道上の未知の物体を自動で検出するシステムの構築手法を提案しました。交通に影響のある車道上の廃棄物などを自動で検出後、通知するシステムを構築し、町全体を日常的に徘徊するゴミ収集車などに設置することで、廃棄物の長期的な放置されることを防ぎ、調査する費用を削減することが可能です。各機能と提案手法の性能の評価を独自に作成したデータセットなどを用いて行い、各機能と提案手法の有効性を示しました。

別宮 広朗, 河崎 隆文, 中澤 仁, 物体検出とセマンティックセグメンテーションによる車道上に限定した未知物体検出手法の提案(UBI), Vol.2021-UBI-72, No.19, pp1-8, 2021.
http://id.nii.ac.jp/1001/00213868/

学部4年本田彩さんの卒論がSFCでの優秀卒業プロジェクトを受賞しました

環境情報学部4年本田彩さんの卒業論文「English Pronunciation Training with Automatic Speech Recognition」が、SFCでの2021年度春学期優秀卒業プロジェクトを受賞しました。

教員・学生の受賞 | 慶應義塾大学 湘南藤沢キャンパス(SFC) https://www.sfc.keio.ac.jp/about_sfc/award/

本田さんの研究では、日本人の英語力が伸びない原因のひとつとして日本語と英語の発音の違いによる発音の難しさに着目し、授業外で個人が発音の練習を行えるシステム「Hats」を構築しました。同システムでは近年のモバイルOSが搭載する自動音声認識機能/APIを利用する手法を採用し、学習システムで実際に日本人の英語の発音が改善できるかの評価を行いました。

山根君らの研究が情報処理学会第71回ユビキタスコンピューティングシステム(UBI)研究発表会で学生奨励賞を受賞しました – “万話計:会話量の測定とそれらのストレスとの関係性に関する分析”

先日情報処理学会第71回ユビキタスコンピューティングシステム(UBI)研究発表会で発表した学部4年山根君らの研究が、学生奨励賞を受賞しました。

新型コロナウイルス感染拡大で、多くの人達がStay home/リモートワークなどで家に滞在し、声による対人コミュニケーションが大幅に減少することで、ストレスが増大していると考えられる一方、それを裏付けるような定量的な調査はまだあまり行われていません。本研究では、音声認識技術を用いてユーザーの発話量を定量的に測定するシステム「ManWaKei」を開発し、発話とストレスの相関関係を定量的に調査しました。

Taku Yamane, Yin Chen, Tadashi Okoshi, Jin Nakazawa, “ManWaKei: Measuring the Amount of Speech and Investigating its Effect on Stress,” 研究報告ユビキタスコンピューティングシステム(UBI), Vol.2021-UBI-71, No.1, pp1-8, 2021.
http://id.nii.ac.jp/1001/00212340/

大越匡准教授がSFC FACULTY AWARD 2020を受賞しました

大越匡准教授がSFC FACULTY AWARD 2020を受賞しました。

SFC FACULTY AWARDとは、教員によるSFCへの貢献のうち特に顕著な活動を讃えてお互いの模範となし、SFCの持続的かつ自律的な発展を促進することを目的に2020に開設されました。

慶應義塾大学湘南藤沢キャンパスの学部、研究科のうち、総合政策学部、環境情報学部、看護医療学部、政策・メディア研究科に在籍する教員(他キャンパス所属を含む)が当該年度の4月から翌年3月末に行った活動を対象に、顕彰されます。

大越匡准教授は「よく検討・工夫されたオンライン授業を通じて学生により良い学びと研究の機会を与えた。」として受賞が決定しました。

 

SFC FACULTY AWARDについてのページ: https://www.sfc.keio.ac.jp/about_sfc/award/faculty.html

[受賞] 修士2年小澤君らの研究が情報処理学会第69回ユビキタスコンピューティングシステム(UBI)研究発表会で学生奨励賞を受賞しました – 精度, 推論速度及び消費電力の制御によるニューラルネットワークの自動構築化手法

先日情報処理学会第69回ユビキタスコンピューティングシステム(UBI)研究発表会で発表した修士2年小澤君らの研究が、学生奨励賞を受賞しました。

達成させたい精度を入力として与えることで, 推論速度と消費電力を考慮したニューラルネットワークの自動構築手法を提案しました. 既存研究と比較し, パラメータに依存せず, 達成させたい精度に応じたニューラルネットワークの自動構築を実現しました. 

小澤遼, 大越 匡, 柘植 晃, 中澤 仁, 若月 駿尭, 岸本 康成, 豊田 真智子, 八木 哲志, 寺本 純司
精度, 推論速度及び消費電力の制御によるニューラルネットワークの自動構築化手法, 研究報告ユビキタスコンピューティングシステム(UBI), Vol.2021-UBI-69, No.11, pp1-8, 2021.
http://id.nii.ac.jp/1001/00209527/

[受賞] 学部3年別宮君らの研究が情報処理学会第69回ユビキタスコンピューティングシステム(UBI)研究発表会で優秀論文賞を受賞しました – ベイズ最適化と蒸留を用いた最適な圧縮モデル探索手法の提案

先日情報処理学会第69回ユビキタスコンピューティングシステム(UBI)研究発表会で発表した学部3年別宮君らの研究が、優秀論文賞を受賞しました。

限られた計算資源で軽快に動作するニューラルネットワークモデル構築のための蒸留手法において、独自の評価関数やベイズ最適化を用い、 “推論速度重視”や”精度重視等”の目的に応じた圧縮のための最適な生徒 モデルの探索手法を開発しました。

別宮広朗, 小澤遼, 大越 匡, 中澤 仁, ベイズ最適化と蒸留を用いた最適な圧縮モデル探索手法の提案, 研究報告ユビキタスコンピューティングシステム(UBI), Vol.2021-UBI-69, No.10, pp1-8, 2021
http://id.nii.ac.jp/1001/00209495/

近年, DeepLearning 技術が急激に発達し高精度なニューラルネットワークモデルが多数出現してお り, IoT デバイス等の様々なデバイスへ搭載することが期待される. ニューラルネットワークモデルは層や 重みパラメータが多いほど精度が向上する傾向があり, 高精度なモデルは推論時間が長くなる場合が多い. 計算資源の限られた IoT デバイス等の小型端末に搭載するためには, 限られた計算資源でも軽快に動作す るモデルの構築が求められる. 推論時間を削減する手法の一つとして, 蒸留という手法が存在する. 蒸留は 高精度な教師モデルの知識を小さい生徒モデルに学習させてニューラルネットワークの圧縮を行う技術で ある. しかし, 生徒モデルの任意性は高くトレードオフな関係にある推論速度と精度を両立するようなモデ ルの発見は困難である. また, 実際に小型端末に搭載する上で, アプリケーションの目的に応じて推論速度 や精度の重要度も変わるため, 目的に応じた圧縮を行える必要がある. そのため本研究では, 推論速度と精 度に最低値を設定した探索や推論速度と精度に比重を置いた探索を行うことを可能とする評価関数を定義 し, ベイズ最適化を用いて, 推論速度を重視, または精度を重視等の目的に応じた圧縮のための最適な生徒 モデルの探索手法を提案し, 検証実験を行う. 更に, 圧縮モデルの推論速度と精度の探索パレート最適解に よって得られた, 圧縮モデルが達成できる限界値の曲線を可視化する.