2025研究室配属説明会

Transcript

1. 関西大学 システム理工学部 吉田 壮 sohy@kansai-u.ac.jp 画像処理工学研究室 （吉田研究室） 2025年度研究室配属説明会
2. 自己紹介－吉田 壮（准教授） • 北海道・札幌生まれ・36歳 2016年に北大（博士課程）を卒業，同年関西大学へ着任 • 興味 画像・映像・テキスト処理，情報推薦，Webデータ • 担当授業 応用確率統計，プログラミングプロジェクト実習2， データサイエンスPBL，他実験＋画像情報処理，パターン認識（2026～） • 趣味 ランニングー月100キロ走ることが目標で，吹田の万博記念公園を周回し ながらトレーニングしています
3. 研究室概要 • 大学院生 • 5名（M2） • 5名（M1） • 学部生 • 14名（進学者3名） • 部屋 • 3部屋 3 研究室 休憩室 ミーティングルーム 計算機サーバー
4. 2026年度から新体制へ 4 • 棟安 実治 先生のご退官に伴い，研究室構成が変わります • 研究室名称の変更（申請予定） 知能メディア研究室 Media Intelligence Laboratory ー MILab
5. 知能メディアーMedia Intelligenceー SNS・ニュース・画像・動画・検索行動などのデータを分析し， • ユーザの興味・関心・行動パターン • 世論の動向 • ブランドやサービスへの評価 などを予測して，個人・組織・社会のより良い意思決定に つなげるための総合的な技術 テキスト処理／コンピュータビジョン（画像処理）／データマイニング を横断する複合領域 5
6. 吉田研究室の目標 • SNSの投稿，写真や動画，ニュース記事の文章に 加えて，ECサイトの商品画像・レビュー文章・閲 覧や購入といった行動履歴など，多様な非構造的 なメディアデータ*が膨大に生み出されている • これらのデータを理解し，意味のある情報を取り 出す技術は重要 • 本研究室が目指すは 6 メディアデータから，人と社会に役立つ知見を導く知的技術を生み出すこと *エクセルのような表形式で表すことができないデータ
7. 指導方針 学部生 • 限られた時間の中で，計画的に研究を進める力を重視します • スタートから軌道に乗った段階で主体性を期待します • 結果志向の姿勢を大切にし，個々の計画とペースを尊重します 大学院生 • 研究成果をもとに希望する企業や進路に進めるよう，学会発表や論文執筆 を見据えた逆算型の研究計画を設定します • 複数回の学会発表と学術論文の執筆・投稿を目標とします • 高い目標に挑戦したい学生には，その挑戦に応えられるように学会発表の 打診，プレゼン指導，論文添削を丁寧に行います 7
8. 研究室の生活 • コアタイムは設けていません • 会話力の向上や情報収集（特に大学院生の就職活動の早期化へ の対応）の観点から，研究室で過ごすことを推奨しています • 午前は人数がまばらで，正午過ぎから集まり始める傾向です • ゼミや報告会（春：週2～3回，秋：週1回）は対面で実施 • 不定期で飲み会を行い，ゼミ旅行は開催していません 8
9. 導入教育 4月～5月 • Pythonプログラミング課題 • 深層学習プログラミング課題 4月中旬～8月 • 深層学習輪講 • 【TBD】データ分析輪講 6月中旬～7月 • 卒論プレゼンテーション演習 9 夏休み前にはこの構造が理解できるようになる
10. 吉田研究室の到達目標 1. Pythonコーディング力の習得 • AI研究で標準となっているPythonを使いこなす 2. 深層学習の理解 • 「AIを知る＝深層学習を理解する」という観点から，理論を習得する 3. 非構造化データの分析力 • 形の定まらないデータから知見を抽出するための分析技術を身につける 4. プレゼンテーション力の向上 • 研究室としては，過去3年間で毎年学会においてAwardを受賞しています 5. 英語論文読解力 • AI人材に求められる「最先端の知識を追い続けるスキル」を獲得 6. 論文執筆力 • 相手を論理的に納得させる文章構造を理解し，成果をまとめる力を付ける 10 学部生 大学院生
11. 就職・内定先（過去3年，吉田研究室） • 製造業 *日立製作所，*パナソニックシステムデザイン，*京セラ， 三菱電機エンジニアリング，*村田製作所，*本田技研工業， *川崎重工業，*SCREEN • 通信・インフラ *KDDI，NTTドコモ，*三菱UFJインフォメーションテクノロジー • ITコンサル・SI 電通総研，*アクセンチュア • Web系・ゲーム *チームラボ，コーエーテクモ 11 製造業・通信・インフラであっても，近年はデータ分析部門を希望する学生が増加 AIの中核技術である深層学習を学ぶことで，AI需要に応えられる人材として期待される *は大学院生を示す
12. 吉田研究室の3つの柱 • 画像認識 • 画像の意味を理解する • 情報検索 • ユーザに合わせて情報を推薦する • Web・SNS解析 • Web・SNSから人々の行動を読み解く 研究テーマの特徴：全て深層学習をツールとして扱う 12 興味は時代に合わせて変わるため，近年の成果を中心に紹介する
13. 研究のイメージ：現象を観察して目標を定める 13
14. 研究のイメージ：数式を設計する 14 （仮説）類似度を小さくするように学習すると損失小，点同士が離れるように学習が進む 数式を追加
15. 15 画像認識ー画像の意味を理解する技術ー
16. 画像認識 16 • ニューラルネットワークを用いた画像認識の課題 • 誤った訓練データによる精度低下 • 文化的背景の違いによる認識の相違 • 人の印象の定量化と説明可能性 特徴の 類似 Siberian husky Alaskan malamute Alaskan malamute Siberian husky 正しいラベル ノイズラベル 訓練データの誤りがネットワークの性能にどのように影響を及ぼすかを調査します 学生発案
17. 画像認識 17 • ニューラルネットワークを用いた画像認識の課題 • 誤った訓練データによる精度低下 • 文化的背景の違いによる認識の相違 • 人の印象の定量化と説明可能性 日本のCastle USAのCastle 異なる文化的背景から生じる物の認識方法の違いを分析します 学生発案
18. 画像認識 18 • ニューラルネットワークを用いた画像認識の課題 • 誤った訓練データによる精度低下 • 文化的背景の違いによる認識の相違 • 人の印象の定量化と説明可能性 番号 001 002 003 004 005 006 007 008 009 010 画像 正解 24.24 12.12 34.84 43.93 98.48 31.81 30.30 69.69 77.27 84.84 予測 38.56 33.79 37.26 38.15 82.21 36.90 37.29 61.74 64.31 80.55 人間が持つ印象を数値化し，ニューラルネットワークの解釈性と結びつける方法を研究します 問い：文字の美しさを採点してください 文字特徴量の開発（12月発表予定） 文学部との共同研究
19. 19 情報検索ーユーザに合わせて情報を推薦する技術ー
20. ノイズに強い推薦システム 20 • 推薦システム開発の課題 • 不要な閲覧履歴による満足度低下 • クロスドメイン推薦の最適化 • アイテムの多様化とその影響 ユーザーの関心に合わない閲覧履歴が推薦結果に及ぼす影響を分析します 学生発案
21. プラットフォームの横断 21 • 推薦システム開発の課題 • 不要な閲覧履歴による満足度低下 • クロスドメイン推薦の最適化 • アイテムの多様化と公平性 異なる分野間でのアイテム推薦の効率化と精度向上を目指します
22. 公平な推薦システム 22 • 推薦システム開発の課題 • 不要な閲覧履歴による満足度低下 • クロスドメイン推薦の最適化 • アイテムの多様化と公平性 人気バイアスの影響軽減や公平性を考慮した推薦システム開発を目指す 既に人気を獲得したアイテムを優先 多数派の意見を優先 公平性？
23. 23 Web・SNS解析ーWeb・SNSから人々の行動を読み解く技術ー
24. フェイクニュース検出 25 ビッグデータを用いて，フェイクニュースの拡散パターンを分析し，その防止策を研究します
25. フィルターバブルとエコーチェンバー 26 トピック トピック数 ツイート数 総RT数 民主党支持(青) 17 1578 179,365 共和党支持(赤) 11 1296 158,671 その他(灰) 3 126 16,674 総数 31 3000 354,710 • 2022年アメリカ合衆国中間選挙 #election2022, #elections2022, #2022elections, #midterms, #midtermelections のいずれかのハッシュタグを含むツイートを収集 （期間:2021/10/07~2022/11/26までの約1年間） • リツイート上位3000件からネットワークを作成 • クラスタに民主党，共和党支持を手動でラベル付け • KL-Divの平均は0.45，偏向を色の濃淡で表現 (濃いトピックはKL-Divが0.75以上) 民主党が◦◦州で勝利(速報) トランプ氏支持 LGBTQ, 銃規制 中絶，移民，インフレ
26. フィルターバブルとエコーチェンバー 27 クラスタ0 (KL-Div:0.62) 特徴語 TF-IDF値 demandaseat 0.42 gun 0.39 volunteer 0.38 クラスタ12(KL-Div:0.17) 特徴語 TF-IDF値 illegal 0.34 black 0.23 immigrant 0.22 クラスタ21(KL-Div:0.87) 特徴語 TF-IDF値 Save americarally 0.51 trumprally 0.41 donald 0.32 民主党派による銃規制の話題 選挙と差別に関する話題 共和党派によるトランプ支持の話題 民主党派へ 共和党派へ 民主党派から 10.3% 31.1% 共和党派から 27.8% 9.91% • 党間の引用リツイートのうち，有害度スコアが閾値を超えているものの割合 • 偏向度合いの測定例 • 異なる党間でで対立性が高い • コミュニティ間の対立を示すこと ができている
27. インフルエンサー検出（Bluesky） 28