During Sept. 20~23, 2023, the 6th workshop, entitled 2023 International Joint Workshop on Intelligent IoT Key Technology, was held in Nanjing city, China. This is the first time members from the China, Japan and Korea could gather on-site for face-to-face communication. We have 5 keynotes and 10 oral presentation sessions. The topics ranges from wireless sensing and communication to IoT and smart home applications. From our team, we sent 13 attendees and two students, Wenhao Huang and Taiga Kume presented their work on machine learning driven sensing technology. In addition to the academic events, we also learned a lot about Nanjing city’s history and culture. A very great trip! See you next time, Nanjing.

修士2年 張君が研究内容をIoT2023でポスター発表しました．

This research designed “SFC GO Around,”a novel Rogaining gameplay leveraging wearable devices and geographic-based team collaboration for orienteering competitions. By adopting a gamification approach, we established several virtual locations across the campus where participants, divided into two teams, compete against each other. This setup not only facilitates a deeper understanding of the campus geography but also fosters familiarity among classmates as they navigate through the game. The system proves to be a potent tool in helping individuals quickly acquaint themselves with new areas and build rapport with fellow students and colleagues during events. Implemented during physical education classes, “SFC GO Around” enhances the participant experience through competitive team games, encouraging players to not merely communicate but to genuinely recognize and understand each other, thereby nurturing deeper connections among team members.

Zhang, B., Nakazawa, J., & Okoshi, T. (2023, November). SFC GO Around: A Location-based Competitive IoT Game for Physical Education. In Proceedings of the 13th International Conference on the Internet of Things (pp. 200-203).

修士1年生柄澤君が研究内容をIoT2023でポスター発表しました．また，本研究成果は，IoT2023のBest Poster Runners-up Award を受賞しました．

Abstract:

Urban environments consist of diverse elements influencing residents’ quality of life and emotional well-being. Prior research has attempted to map citizens’ emotions using sensors and GPS data, but it remains difficult to pinpoint environmental triggers that evoke specific emotions of them. To solve this problem, we introduce EmoGO, a novel system that integrates mobile eye-tracking with emotion, visual, and GPS data collection. To our knowledge, this approach is the first study to uniquely correlate specific visual stimuli with emotions. Given the rising prevalence of eye-tracking in VR, MR, and AR technologies, EmoGO’s potential applications are substantial. Our preliminary evaluation resulted in a promising result in emotion estimation on our original dataset, and also showed that the system can effectively collect real-world data on objects and associated emotions.

Karasawa, T., Hamanaka, S., Kume, T., Sasaki, W., Nakazawa, J., & Okoshi, T. (2023, November). EmoGO: Emotion Estimation on Gazed Object by Using Mobile Eye-Tracker. In Proceedings of the 13th International Conference on the Internet of Things (pp. 158-161).

学部4年 田中君が研究内容を情報処理学会 第80回UBI研究会で発表しました．また，本研究成果は，UBIヤングリサーチャー賞を受賞しました.

発表概要：近年,スクールバス内における幼児の置き去り事故が多発している．複数企業において置き去りを検知するシステムが開発・販売されている一方で，それらのシステムに用いられているセンサには死角やプライバシ侵害等の問題が存在する．そこで，本研究では，死角が少なく，プライバシ侵害の懸念がないCO2センサを用いた置き去り検知システムの構築を行った．実験では，成人男性5名を対象に，8台のCO2センサを設置したマイクロバス内において，乗車時や置き去り時を想定した環境下でのCO2センサデータセットを作成し，複数の機械学習モデルの構築，及び精度の比較検証を行った．自作データセットを用い，被験者の置き去り位置とCO2センサの値の関係性について調査したところ，CO2センサと置き去りにされた被験者との距離や向きに関連して，CO2濃度の分布が変化することを確認した．置き去りにされた被験者から最も遠いセンサにおいても，CO2濃度の変化が見られ，CO2センサを用いた置き去り検知の可能性を示した．また，窓が開いている状態での置き去り検知可能性を検証した．

修士2年生 張君が研究内容をIoT2023でポスター発表しました．

Abstract:

Forecasting household waste generation using conventional methods can present challenges due to the substantial variability and uncertainty in the process. Furthermore, previous studies focused on forecasting household waste generation at municipal or national levels may not be directly applicable to on-site waste collection processes. The objective of this research is to attain daily-level predictions of household waste generation and assess the advantages of using a leading-edge deep learning approach over conventional methods. We applied Multi-variable Long Short-Term Memory (LSTM) neural network utilizing a granular garbage disposal database for forecasting. This database is curated from a garbage disposal sensing platform currently operational in three cities within the Kanagawa prefecture, Japan, with plan for operation until 2025. Additionally, relevant web applications based on findings from this research will be developed for data visualization and routine optimization.

Zhang, Y., Huang, W., Chen, Y., & Nakazawa, J. (2023, November). Forecasting Household Waste Generation with Deep Learning and Long-term Granular Database. In Proceedings of the 13th International Conference on the Internet of Things (pp. 179-182).

博士2年生 黄君が研究内容をIoT2023で口頭発表しました – ‘ Real-Time Image-Based Automotive Sensing: A Practice on Fine-Grained Garbage Disposal ’

Abstract:

This research presents a real-time automotive sensing system for the data of urban garbage disposal. The proposed solution is implemented on an edge computing device mounted on garbage truck where a deep learning based image processing algorithm is implemented to automatically counted the number of collected garbage bags from garbage collection video. A MQTT-based data server was developed to enable data publication from sensing device to server and data accumulation and to facilitate application development. Our system has the functions of high concurrency and low transmission delay, offline reconnection, breakpoint transmission and client authentication. This work is to provide a real-time, low-cost, reliable and replicable system for the implementation of a widespread sensing network for automotive edge computing and smart city applications.

Huang, W., Mikami, K., Chen, Y., & Nakazawa, J. (2023, November). Real-Time Image-Based Automotive Sensing: A Practice on Fine-Grained Garbage Disposal. In Proceedings of the 13th International Conference on the Internet of Things (pp. 138-145).

学部2年 大崎君が研究内容を電子情報通信学会インターネットアーキテクチャ研究会にて発表しました。

発表概要:

DDoS 攻撃 (Distributed Denial of Service 攻撃) は多数の端末からパケットを送信することで標的に負荷 をかけるサイバー攻撃である. DDoS 攻撃は長年頻度の増加と規模の拡大の傾向にある.それにより，昨今ではスルー プットやスケーラビリティなどの観点から extended Berkeley Packet Filter(eBPF) や eXpress Data Path(XDP) を用 いた DDoS 防御手法が注目を集めている. したがって, 本研究では eBPF と XDP を用いた DDoS 攻撃検出・自動対処 システム, DomeX (DDoS mitigation based on eBPF and XDP) を提案，実装，評価する.そして，DomeX はほと んどオーバーヘッドが計測されず，平均パケットロス率も 0.014% と十分実用に耐えうる性能であることを示す.ま た，パケットフィルタ設定にトライ木のデータ構造を用いたことによるフィルタルールのマッチング時間の計測結果 も示す.

学部3年 沙田君が研究内容を情報処理学会 第79回UBI研究会で発表しました．また，本研究成果は，UBIヤングリサーチャー賞を受賞しました．

発表概要：近年, 数多くのディープラーニングモデルが提案され, それらを活用した多種多様なデータセットを 基にした画像分類の研究が進められている. しかしながら, 分類クラスの総数が増加するにつれて分類の精度は低下するという問題があり, 特に画像分類タスクにおける課題として顕在化している. さらに, データセット内で類似度が高いクラスにおける分類の精度が低いことも課題として挙げられる. 本研究では, 複数個のモデル使用し, 階層的にクラス分類を実現する新しい手法を提案する. 提案手法では, 対照学習を通じて得られた潜在表現を基に, 入力データに対して最も適切な分類モデルを選択する. その後, 選ばれた最適な分類モデルによって, 入力データの分類を行う二段階の分類プロセスを採用する. 本研究では提案手法の有効性を示すために実験を行い, 既存手法に対して分類精度向上を示すとともに, 類似度が高いクラスの分類精度も向上させることができた.

学部３年生本山君が研究内容を情報処理学会 第79回UBI研究発表会で発表しました．また，本研究成果は，第79回UBI研究会 最優秀論文賞を受賞しました．

発表概要：近年, 迷い猫の問題が増加しており, マイクロチップの装着義務化が進められているものの, 装着率は依然として低い. また, 野良猫と飼い猫の識別が困難であることによる, 誤った迷い猫の処理の事例が複数報告されている. 本研究では，飼い猫と野良猫には顔つきに差異があるという仮説のもと，猫の顔画像分類による野良猫と飼い猫の判別技術を提案する. 800枚の野良猫と飼い猫の顔画像のデータセットを作成し，6つの異なる画像認識アルゴリズム, ResNet-50, AlexNet, VGG-16, GoogleNet, DenseNet201, MobileNetV2で分類精度を比較した. また, 人間の判断能力と深層学習モデルを比較する目的で, 7人の被験者による分類実験を実施. 結果として, 野良猫と飼い猫の分類に最適な画像認識アルゴリズムはResNet-50 であることが判明し, 85.44%の正解率を達成した. 特に飼い猫に対しての正解率が高く, 専門家レベルの人間の判断能力と同等の精度を持つことが確認された.

学部3年生濱田君が研究内容を第7回UBI研究発表会で発表しました．また，本研究成果は，UBIヤングリサーチャー賞を受賞しました．

発表概要：野生動物のモニタリング，個体数把握は生態系の保全や管理に重要であるとされている.こうした個体数把握の効率化のために機械学習を用いた画像検出・分類が行われている.

本研究においては,既存の手法を応用して，高解像度画像から鳥類を高速かつ高精度に検出・分類できると考えられる手法を提案し,その評価を行った.本研究で提案する手法は，ダウンスケーリングした高解像度画像から鳥類のシルエットを検出器で検出して切り出し，切り出した部分のみ元の解像度に戻し,分類器で分類を行うという二つの手順から成り立つ.

実験では,鳥類4種類を対象に,鳥の種類ごとにアノテーションしたデータセット,鳥を一括りにアノテーションしてデータセット二つを作成し,検出器・分類器の学習を行った.

提案手法に対する入力画像の大きさを変化させながら,テスト用の画像セットに対する画像一枚当たりの推論時間,mAP50,APsmallを算出し,評価を行った.比較対象として鳥の種類ごとにアノテーションしたデータセットで学習したYOLOv8を用い,同様の指標で評価を行い,提案手法と比較を行った.