2019年6月4日～7日に「第33回人工知能学会全国大会」が開催されました。
今回、運よく聴講することができたので、簡単にまとめておきます。
私が聞いたのは3日目と4日目だけです。
インタラクティブセッション
- ポスターを張り出して、議論するポスターセッション形式
- 解説は一部しか聞けなかったので、詳細が気になる方は予稿をご覧ください。
OpenPose × 転倒リスク
※画像は予稿より転載
- 歩行の動画をOpenPoseで解析することにより、高齢者などの転倒リスクを予測する研究
- 特徴量は「歩幅」や「目線の高さ」など、決まったものを使う。
- 歩行の研究の歴史は長く、研究され尽くされた分野であるため、特徴量の探索は特に行っていない。
- 転倒リスクの予測は80％ほどの精度になった。
Triplet lossによる人物同定
屋内空間を巡回するロボットのための協調型転移深層学習に基づく人物再同定とそのTA業務支援への適用
※画像は予稿より転載
- 移動ロボットのための人物同定を行う研究
- Triplet Lossを使うことで、80％の精度で人物を同定できる。
- かなり軽いモデルにもかかわらず、高精度になっている。
一般セッション
- 発表15分、質疑応答5分の形式。
- 私が聞いたセッションは質問が多く、なかなか質問するチャンスがなかった。
掘削くずの検知
※画像は予稿より転載
- 掘削くず（スライム）を検知し除去したいが、現状は職人の感覚に頼っている。
- 力センサで波形を取得し、機械学習により検知させる試み。
- SVMや1DのCNNなどで学習した結果、CNNで93％の精度が出た。
- 波形のラベル付けは職人が付けたものであり、人間の精度を超えられないのでは？という質問があった。
FPGAによるSSDの実装
Circle SSDを用いたFPGA搭載ドローンでの農作物生育状況計測
※画像は予稿より転載
- SSD×ドローンでパイナップルのカウント
- 自作SSDを作りMobileNet SSDliteよりも高速化
- ドローンはSSDを処理し、パイナップルの座標を送るだけ。
- 最終的な、パイナップルの同定とカウントはクラウド上で行う。
- 上記のように分けて処理を行っているのは、電力消費を抑えるため。
- SSD(FPGA)の処理速度は0.95FPS。
キリンビールによるデザイン評価
畳み込みニューラルネットワークを用いたビール缶パッケージの好意度予測及び要因の可視化
※画像は予稿より転載
- ビールのデザイン（画像）を入力とし、出力は「好意度（回帰）」及び、「良否（分類）」の1入力2出力CNNを構築
- 新たなデザインができたときの評価に活かしたい。
- また、GradCAMの可視化によりデザインの「良いところ」及び「悪いところ」を可視化し、デザイナーへフィードバックしたい。
- 結論は、回帰はあまりうまくいかなかった。
- 可視化はうまくいったが、デザイナーへのフィードバックは「文字を大きくし過ぎない」など既知のものであった。
NEDOのセッション
- ロボット×AIのお話
- ドア開けロボットのお話
- テレビでも紹介されたお茶会ロボットのお話
- 「データを公開しているから、皆活用してね」とのこと。リンク先はこちら
- STAIR - 動画+日本語キャプション付きのデータセット（世界最大規模）
- Part-Function - スプーンやフォークなど機能別に色分けされた3Dデータセット
※画像はNEDOのHPより転載
その他
- 会場では、企業展示ブースも設けられており、「Nvidia」 vs 「Intel」のGPU展示も見られた。展示場所の影響もあるのか、Intel（メイン通路）の方が見学者が多かった。
- また、「インターシップ募集中！」など、学生向けの積極的な採用活動も行われていた。
まとめ
- ディープラーニング一辺倒かと思いきや、ロジスティクス回帰やSVMなどの従来の手法も多く用いられていた。
- ディープラーニングは、「GradCAMによる可視化」や「歩幅の計測」など特徴量抽出のために用いられている点も勉強になった。