2020年度秋学期の、中澤研究室内各種表彰(Award)が発表されました。受賞者の皆さん、そしてこの3月に学部/大学院を卒業/修了の皆さん、おめでとうございます！

最優秀WIP賞 (Best Work-in-progress Award)
武田 弥紘君 (総合政策学部3年)

最優秀TERM Project賞 (Best Term-project Award)
沖原周佑君 (総合政策学部3年)

最優秀卒論賞 (Best Bachelor’s-thesis Award)
伊藤日菜君 (環境情報学部4年)

新人王 (Best Rookie Award)
黄文浩君 (大学院政策・メディア研究科修士課程1年)

親王 (Best Mentor Award)
小澤遼君 (大学院政策・メディア研究科修士課程2年)

最優秀KGリーダー賞 (Best KG-Leader Award)
橘直雪君 (環境情報学部4年)

Best Effort Award
本木悠介君 (大学院政策・メディア研究科修士課程2年)

Outstanding Service Award
河崎隆文君 (大学院政策・メディア研究科後期博士課程2年)

最優秀論文賞 (Best Paper Award)
佐々木航君 (大学院政策・メディア研究科後期博士課程3年)

学部4年助川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)研究発表会で発表されました．

人のメンタル状態（主観的時間感覚）と行動をデータ収集解析するシステム「ADLogger」を構築しました。主観的時間感覚に関して、予測値とストップウォッチを通じた実測値データ、および見積もり傾向のデータを収集し、ADLogger導入後、全体の実測値の分布のばらつきを縮小する効果が示唆されました。

助川 友理, 羽柴 彩月, 大越 匡, 中澤 仁, タスク別時間記録システムの構築の提案手法の提案, 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.20, pp1-8, 2021.
http://id.nii.ac.jp/1001/00209536/

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)研究発表会で発表されました．

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/

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)研究発表会で発表されました。

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.

修士1年黄君らの研究が、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)研究発表会で発表されました。

機械学習によりバス車内のビデオを分析し、エッジコンピューティングデバイス上での性能を最適化し、リアルタイムに車内の混雑度を検出することに成功しました。

Wenhao Huang, Akira Tsuge, Yin Chen, Tadashi Okoshi and Jin Nakazawa, “Bus Crowdedness Sensing Based on Deep Learning”, 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.1, pp1-7, 2021.
http://id.nii.ac.jp/1001/00209517/

This research proposes a sensing system to collect bus crowdedness data by detecting passengers’ getting off and on events in a bus via deep learning-driven image processing on video data of passengers. The system is designed to be deployed to and conduct real-time object recognition and object tracking on a bus. In our prototype system, object recognition is implemented based on yolov3 with Darknet53, and object tracking is implemented by combining object recognition, Kalman Filter (LQE) and Hungarian Algorithm. The performance of the system is evaluated experimentally using driving recorder video data taken from a bus.

 

博士2年河崎君の研究がACM SenSys 2020のPosters & Demos Sessionで発表されました。当日は、Conferenceがオンライン開催となったため、Zoom上での発表となりました。

Takafumi Kawasaki, Tadashi Okoshi, and Jin Nakazawa. 2020. A mobility-aware pub/sub architecture for short-lived data in smart cities: poster abstract. In Proceedings of the 18th Conference on Embedded Networked Sensor Systems (SenSys ’20). Association for Computing Machinery, New York, NY, USA, 645–646. DOI:https://doi.org/10.1145/3384419.3430448

プレゼンテーション動画: https://www.youtube.com/watch?v=rpMl13TaDlE