11/05 (Mon)

朝6時起床。昨夜の酒が残っている。ちょっと調子に乗りすぎたか。

シャワーを浴びて、朝食が6時半だというので行ってみたら実は7時からだった。朝食は川又先生ほかとご一緒する。

8時にロビーに集合して、学生さんの案内で地下鉄に乗って嶺南大へ。

嶺南大学駅。2号線の終点だ

登校時間で学生がいっぱい。キックボードで登校してくる学生もいた。

今回の会場は前回と同じ建物。

Welcome speech Prof. Ahn

Keynote 1
A Brief History and Future about Intelligence
Kook-Yeol Yoo, Yeungnam University

生物の知能
・人間の脳の５０％は視覚に使われている。視覚は知能の重要な１側面である。
・視覚はカンブリア紀（２億年前）に獲得された。カンブリア爆発において、視覚の獲得によって動物の行動がより知能化した。（カンブリア紀とオルドビス紀のビデオが流れる）
・視覚の能力は生得的か獲得されたものか？ Hubel&Wieselのネコの実験によって、視覚の受容野が後天的に獲得されることがわかった。→生物の知能は後天的に学習・獲得される
人工知能
・生物のニューロンと人口ニューロン
・パーセプトロン(1958) → AIの冬　その理由は「データ不足」「計算能力不足」
・ビッグデータにより性能が急激に向上（カンブリア爆発のように）
自然知能と人工知能の両方を俯瞰する
・自然知能
　脳のニューロンのアーキテクチャは簡単には変化しない
　多くの知能は幼少時に経験によって獲得される
　偏見（時間が経ってからの学習の難しさ）
　知識の移転は難しい
・人工知能
　人工ニューロンの数が生物ニューロンを超えたとき何が起きるのか？
　例１：自動運転
　　ルールベースの運転：システムに定義されていない状況に対応できない、センサが高価
　　現在のトレンド：カメラのみを使い人間のように運転を学習 Comma.ai
　例２：無線通信
・Jelinekの言葉「言語学者と喧嘩するたびに性能が上がる」　自動運転でも同じことが起こるかも。
IoTについて
・近未来：IoT+AI (Intelligence of Things)
・ディジタル・トーテミズムの帰還
ありうる未来：シンギュラリティ以降
・人工一般知能

Keynote 2
Signal Processing in Complex Electromagnetic Environment: From FLOS to Syclic-Correntropy
Tianshuang Qiu, Dalian University of Technology
無線モニタリング
・信号抽出と認識、パラメータ推定、信号源位置推定
Complex Electromagnetic Environment (CEE)とは
・ガウス雑音が想定されることが多いが、実際の雑音はサブガウシアン、スーパーガウシアンなどだったりする：alpha-stable distibutionで表現できる
・インパルス雑音は密度関数の裾が広い
・Interferenceとco-channel interference
Fractional lower-order statistics method
・インパルス雑音は一般化ガウス分布（=alpha stable distribution）で表現可能
・２次統計量を使う信号処理の多くはガウス分布を仮定するが、インパルス雑音の場合２次統計量が発散することがある
・Fractional lower-order statistics (FLOS)は多くの２次統計量に対応する
Correntropy and corresponding signal processing
・FLOSベースの方法は極端な場合(alpha<1)に適用できない
・FLOSベースの方法の性能はalphaのあたいの事前知識に依存
・Correntropyとは
　V(X,Y)=E[k(X,Y)]、kはカーネル関数（ガウシアンカーネルなど）
・CorrentropyによるTDOA推定
　LMSをcorrentropyに置き換える(MCC)
・欠点：co-channel interferenceを防げない
・Fractional lower-order cyclic statistics (FLOCS)
Cyclic-correntropyとその応用
・FLOSはco-channel interferenceに対応できない
・FLOS cyclic staisticsの欠点　パラメータ選定が不適切だと性能が出ない
・Cyclic correntropyと無線モニタリングへの応用

コーヒーブレイク

Session1
Practical limitations of using geomagnetic field for indoor localization
Imran Ashraf, Soojung Hur, Yongwan Park
室内位置推定に地磁気を使う場合の検討。GPSは室内では使えず、カメラやWifi電波をつかう方法はインフラ依存なのでよろしくない。地磁気を使う方法はどこでも使えて追加インフラも不要。
実際には地磁気は時間的に変動し、また観測デバイスによって測定値にバラつきがあるのが問題。エレベータ前で地磁気を観測するとエレベータの動きで影響を受けたりする。
で、「実際に使うのは難しいね」というところで話が終了。

High-peak-power narrow-bandwidth sub-ns optical pulse generation from a gain-switched laser diode
Yuan Gao, Qiu Tianshuang, Jui-Hung Hung, He-Jie Yan, Hiroyuki Yokoyama, Hirohito Yamada
高出力光パルス半導体レーザーについて。Gain switching FP-LDで発生する光パルスは時間的に非対称であるため、周波数特性などに問題がある。
これに追加の処理をすることで性能のよい光パルスを作るという話だが詳細はよくわからなかった。

Blood Vessel Segmentation of Fundus Images Based on Improved U Network
Gao Hongjie, Chou Yuanting, Zhou Ming, Zhang Xiaobo
眼底写真からの血管セグメンテーション。前処理として、モルフォロジー演算を施しておく。これに対してU-Networkにより血管領域の画像を得る。学習データは２０枚のみ。
性能はAUCで0.98。

Automatic Action Recognition in Soccer Videos Using Deep Learning
Rockson Agyeman, Kyeong Min Park, Gyu Sang Choi
サッカー動画の要約を目的としたサッカー選手の動作認識。対象はセンタリング、コーナーキック、フリーキック、ゴール、スローインの５つ。
技法として3D-ResNetを使う。64フレーム(6fps)を単位として3次元（色を入れれば4次元？）のデータを入力する。精度は96%ぐらい。
精度は高いが、学習・評価データは手作りでそれほどの量ではないので、選手の動作というよりカメラワークを認識しているような気がする。目的から言ってそれでもいいのかもしれないが。

Fast Visual Tracking with Kernelized Correlation Filters Using Split Composite Images
Ryoya Watanabe, Masahide Abe, Masayuki Kawamata
ビジュアルトラッキングにKernelized Correlation Filter (KCF)を使うことが提案されているが、計算量が多いので、改良したSC-KCFを提案する。
KCFは入力画像を巡回的にシフトした時のカーネル関数値だが、ガウシアンカーネルを使う場合にはパラメータ（σ^2）に依存する。
Split-Composite Imageを使うのが提案法。トラッキングの画像中心付近の領域だけを使って計算をするという話らしい。

ポスターセッション。

Poster
Performance Analysis of FD Communication Modes in Non-Time Slotted Cognitive Radio Networks
Waqas Khalid, Heejung Yu
Trends and techniques in highlights generation of sports videos
Rafiq Muhammad, Rockson Agyeman, Gyu Sang Choi
Efficient lane detection method for Automated Guided Vehicle steering control
Dae Hwan Gi, Yeongyu Choi, Ho-youl Jung
The Design and Implementaion of a Pet Robot ‘PetIT’
Yoon Geon-hye, Lee Se-Dong, Ye Do-Eun, Kim Hye-Rin, Jeong Hyo-Jeong, Byoungchul Ahn
UAV Detection and Tracking using Two Vision Sensors
Jin Eil Kwon, Min Seok Sin, Seung Yeob Nam

先生方と昼飯。

Keynote 3
Recent Advances in Image Processing by Artificial Intelligence
Tomo Miyazaki (Tohoku University)
大町研の宮崎先生による最近の画像処理の紹介。
最初は深層学習の基本的な話。Yolo, OpenPoseのデモンストレーション。
スタイル転写などのデモ。
大町研でやっているサバの識別の話。
同じく古文書の文字認識の話。サンプルが少ない文字の認識のために、手書き書体を生成するネットワークをまず作成し、それを使ってサンプルを作って認識用ネットワークを学習する。

Session2
A novel cyclostationarity based methodology in the presence of impulsive noise
Tao Liu, Tianshuang Qiu, Shengyang Luan
さっきのQiu先生のキーノートを具体的にしたような発表。
相関は代表的な２次統計量だが、２次の統計量が存在しない分布に従う量についてはどうしたらよいか？
alpha-stable distributionは一般化された中心極限定理に出てくる分布であり、ガウス分布はS(2,beta,sigma/sqrt(2),mu)と表される。ある種のパラメータを持つalpha-stable distributionに従う変量では、ときどき大きな値が観測される（インパルス的雑音）。
correntropyはカーネル関数を使った相関であり、ここではガウシアンカーネルを利用する。
周期関数に対する自己相関関数をR(t,tau)とすると、それをフーリエ級数展開した時の係数がcycric correlation。

3D Scanning LIDAR System Based on Coded Laser Pulses without Range Ambiguity
Gunzung Kim, Jeongsook Eom, Yongwan Park
LiDARの改良に関する話だと思うが、よくわからなかった。

Evaluation of English Speech Recognition Based on DNN Acoustic Models for Japanese Learners
Jiang Fu, Yuya Chiba, Takashi Nose, Akinori Ito
付くん。日本人の英語音声の認識性能の改善。

ここで時間切れ。Ahn先生の車で空港まで送っていただく。