2019/07/20
朝4時半起床。早いが、あさってはまたこの時間に起きなければならないので、このまま起きる。しばらく日記をつけたりする。
6時半に朝食。結構いいが、よくある中華風の煮物や炒め物みたいなメニューはない。地域性だろうか。
8時20分にホテルのロビーでDanaと待ち合わせ。関係者数人で車に分乗して会場へ。遅れた人がいて、出発は8時半頃になった。
会場は200人ぐらいの通常の階段教室。最初は人が少なかったが、キーノートの前にはいっぱいになった。
SATURDAY, JULY 20 | 09:00-12:10
09:00-09:05 Opening Remarks
Prof. Akinori Ito, Tohoku University, Japan
単にぶらぶら講演を聞くために来たのだが、なぜかキーノートセッションの座長をするはめになっていた。
最初に東南大学のLi Ping先生（実行委員長）がごあいさつ。
09:05-12:10 Keynote Speeches
09:05-09:45 Keynote Speech I
Biometrics Authetication: Research and Development
Fellow of IEEE and IAPR, Prof. David Zhang, Chinese
University of Hong Kong (Shenzhen), China
昨年に続き、David Zhang先生による生体認証に関するレクチャー。持ち時間を10分オーバー。時間を気にする様子がみじんも感じられないのがいさぎよい。
- 生体認証の基本。生体認証と行動認証の違い（音声認証が行動認証に入ってるけどいいんだろうか）。
- 生体認証のマーケット。全体の半分は指紋認証。残りが顔、署名、音声、虹彩など。
- さまざまな限界がある
- 指紋認証の限界。特殊な指紋パターン、傷・汚れなどに弱い。指紋が利用できない人がいる。各種攻撃（偽装指紋など）の問題。
- 顔認証の限界。加齢による変化、顔の向きによる変化、双子など。同じ人が違う顔になり、違う人が同じ顔になりうる
- 虹彩認証の限界。加齢による変化、病気と治療（特に白内障）による変化。人種による最適な特徴量の違い。鳴り物入りで導入された入管での虹彩認証は人間によるチェックより遅くて中止されてしまった。
- これらの問題を解決するための研究。新しい手法、技術、システム
- 新しい研究の方向。
- 掌紋認証の基礎。Geometric/Texture/Line/Point Features
- さまざまな問題に頑健
- 掌紋認証は現在さまざまなところで注目されている
- 医用生体認証 (Medical biometrics)特に伝統中医学(Traditional Chinese Medicine, TCM)
- 診断は生体信号の計測なので、生体認証と同じ技術が使える
- 生体計測とAIによるエキスパートシステムを組み合わせる
- 視覚による感知：舌画像解析（特に色）。舌画像の自動セグメンテーション。舌形状、舌下血管画像、テクスチャなどの情報。舌苔の自動検出。
- 嗅覚による感知：呼気の分析による診断。例えば呼気をセンサに入れるだけで糖尿病の診断ができる。再現率・適合率とも80～98%。
- 触覚による感知：血流による振動、血圧の測定(ECGと同程度に診断可能)
- 聴覚による感知：患者の音声の分析。母音の発音から、声帯の病気だけでなくパーキンソン病や肺がんなどの診断が可能。
- これらの融合
- 美容メトリクス。顔のつくりから美しさを自動推定。
- 新しい応用。
- 3D biometrics approach
- Multispectral biometrics
09:45-10:25 Keynote Speech II
Can Deep Learning Learn to Count? on cognitive deficit of the current state of deep learning
Fellow of IEEE, Prof. Xiaolin Wu, McMaster University, Canada
- 深層学習、特にブラックボックス深層学習(BBDL)では数を数えることができない、という講演。
- 人間や霊長類は生得的に少数のオブジェクトについて直観的に数を把握する能力(subitizing)を持っている。
- BBDLは数の把握ができず、チューリングテストには通らない。BBDLは統計的推論は得意だが、人間の心的プロセスがすべて統計的推論ではない。
- 黒地に白の丸がいくつかある画像を入力として、丸の数を当てる識別器を学習する。通常のDLで識別器を構成。丸の大きさが独立に一様分布する場合は100%の識別率になる。
丸が多くなるにしたがって丸の平均の大きさが小さくなる場合には、数が増えるにしたがって精度が落ちていく。
- 数えるものを丸でなく三角や四角にすると精度が落ちる。白地に黒の丸や、丸を塗りつぶさないとさらに精度が落ちる。
- 最初に前処理として色をそろえてエッジ画像にしてみる。念のため、エッジの白ピクセルの数とオブジェクトの数が無相関になるよう調整しておく。
すると、さまざまな画像で数を数える能力が上がる。しかし、オブジェクトの大きさを拡大・縮小するとそれだけで精度が下がる。
- 「全体の白ピクセルの数」と「オブジェクト当たりの白ピクセルの数」の両方をオブジェクトの数と独立に調整することができない。
- BBDLの問題はBPによる学習にある。自分でアルゴリズムを設計してよければ、NNであっても一般的な計数能力を持つものを設計することができる。
例えばオブジェクトを1層ごとにだんだん小さくしていって、最後に1オブジェクトを1ピクセルにする、等（モルフォロジー演算）。しかしこの方法はデータ駆動ではない。
- 人間の認知発達の過程の研究から、知識獲得は少数の生得的な認知メカニズムに依存していることが示唆されている。
- 人間が設計するネットワーク（elosion演算）を自動的に獲得することができるか。
- その他の話題。図形の凸性と凹性の識別、直線性の識別など。
10:25-10:50 Coffee Break
10:50-11:30 Keynote Speech III
Recent Development in Data Analytics for Intelligent Transportation Systems
Fellow of IEEE, Prof. Lap-Pui Chau, Nanyang Technological University, Singapore
- NTUのスマートモビリティのインフラについて。22Mシンガポールドルの投資があったそうで、桁が違う（シンガポール全体での投資額だろうか？）。道路わきの全電柱にセンサーがついている。
- 屋外の機器。Road Side Unit(RSU)、ワイヤレスメッシュ通信ユニット、カメラがスイッチで相互結合。RSUは車載ユニット(On-Board Unit, OBU)と通信する。
- OBUで収集したデータによるデータ解析(EDB project)
- ビデオ解析（環境中のビデオ映像から車の種類とＩＤを識別）
- ビデオ映像からの歩行者のカウント（画像とCNNを使う）、バス停での乗客数カウント（LiDARを使う）
- アイドリングしている車の検出。赤外線カメラを使う。基本的には車の表面温度を測るが、車種によって違いが大きい。
- 映像からのもやもや(haze)と雨の除去（フロントガラスについた雨ではなく、RSUが環境を映した画像の中で上から降ってくる雨の除去）。
- ドライバーの疲労推定
- LiDARデータからの物体検出と追跡
11:30-12:10 Keynote Speech IV
Intelligent Ocular Imaging Research and IMED Team latest research update 2019
Prof. Jimmy Liu, Southern University of Science and Technology, China
Principle Scientist (Adj), Singapore National Eye Research Institute, Singapore
これまた昨年に続き Jimmy Liu先生のトーク。眼球画像処理。
- さまざまな眼球関連画像（水晶体、網膜、角膜など）
- iMED Singaporeでの研究。疾病スクリーニング、網膜認証、マイクロサージェリー、医用画像処理などがアプリケーション。
要素技術としては画像セグメンテーションと構造解析、特徴抽出、機械学習など。
- iMEDでの研究は眼球関連疾病の8割以上をカバー
- 緑内障について。眼底画像からの緑内障診断。Cup to disc ratio（去年聞いた気がする）。1676人の患者について検証実験。
- 眼底画像のセグメンテーションアルゴリズムの改良。コードブックを使う(ALPACIA)。スパースネスを考慮することでちょっと改善。
- 深層学習の利用。これまでの最高性能と同程度
- iMED Ningboでの研究
- 複数疾病の診断
- 特徴量分析＋機械学習からビッグデータへのパラダイムシフト
- 50000人の患者データによる研究
- U-netによる眼底画像からの疾病検出
- Eye-brain computing
- 眼の情報と脳機能情報の統合
- 眼の情報からのAD,PD,Brain strokeの推定
- 昨年の研究から
Liu先生の努力によって、遅れていた部分を一気に圧縮して、ほぼ予定通りの時間に終了。
12:10-12:20 Group Photo
なんか正面に立派な看板と集合写真用の足場が作ってあるぞ。本気度高い
このあと学食でランチなのだが、Organizing Comitteeメンバーはホテルに戻って少し豪華な飯を食うらしい。
大きめの乗用車に分乗してPullmanホテルへ。場所は5階で昨日の夜と同じ。
で、こんな感じ。ザリガニがないことを除けば昨日の夜とほぼ同じメニューで、ちょっと残念。飲み物は昼なのでスイカジュース。
13:30から午後のセッションなのだが、のんびり飯を食っているので、セッションチェアに当たっている二人以外は全員サボる前提らしい。ゆっくり飲み食いして（会話は9割がた中国語だったのでよくわからないが）おなかいっぱいになる。
14時半ごろ、「午後後半にセッションチェアがあるので」ということで出ようとしたところ、そのまま流れでお開きになる。車で会場に戻る。
で、会場に行こうと思ったら、Li先生から「自分のオフィスに来ないか」とお誘いいただいたのでそのままついていくことに。
お茶をいただいて、それぞれの研究のことなど話す。Li先生は研究室の学生を何人か連れてきて、その研究内容についてディスカッション。ハードウェアセキュリティとかブロックチェーンの研究をしていた。以前から疑問に思っていた「仮想通貨でないブロックチェーンでは、だれがどういうインセンティブでハッシュを計算するのか？」という質問をしてみたが、納得できる回答は得られず。何かあるんだろうけどなあ。
いろいろ話をしているうちに、先生の部屋にかかっている書の話になり、「これは研究室の学生が書いたものだ。あなたにも今何か書いてあげよう。何がいい？」ということに。慌てて中国のことわざとか調べて、「活到老、学到老」というのを書いてもらった。
16時半から午後後半のセッション。座長なので早めに行く。
Communication Systems III
16:30-16:45 DP270
A Method of Radar Signal Feature Extraction Based on Fractional Fourier Transform
Chen Shiwen, PLA Strategic Support Force Information Engineering University, China
レーダーの送信者認識。特徴抽出にFractional Fourier Transformというのを使う。クロストークがないという話だが何のクロストークだろう（隣の周波数ビン？）。
さまざまな変調波の変換結果が出てきたのだが、どこを見て何を感じればいいのかわからん。タスクは6種類の異なる変調波の識別。SNRとの見合いによる。タスクが簡単すぎるのじゃないか。
16:45-17:00 DP245
Communication Design for Underwater Acoustic Positioning Networks
Yushi Liu, Tufts University, USA
タフツ大の人にしては英語がふにゃふにゃしている。テーマは潜水艦の位置計測のためのシステム、Underwater Acoustic Positioning Networks (UAPN)。
しかしいきなりソナーの式の説明が始まり、UAPNがどういうものかわからん。口頭原稿をそのままスライドにしていくスタイル。
位置データを基地局からBPSK（＋スペクトル拡散？）で送るということはわかった。 位置情報はゴールド符号で符号化。
17:00-17:15 DP269
High Energy Efficiency FPGA-based Accelerator for Convolutional Neural Networks Using Weight Combination
Chenghao Shu, Southeast University, China
下向いてプレゼンをするな。内容はCNN向きのFPGAアクセラレータ。
CNNのサイズ圧縮のために重みの繰り返し（似た重みの量子化のことか？）の話の後にいきなりFPGAのアーキテクチャ。よくわからん。
1つのユニットが1層の畳み込みとReLU、プーリングを行うらしい。畳み込みの係数に同じ量子化値のものが含まれていることを利用して計算量を下げる。
Input/Output reuseというのが何のことかわからん。同じデータを2度処理しないとかその手の工夫をしていることはわかる。
通常の（係数を量子化しない）方法に比べて精度は0.5%ぐらい落ちて、乗算を9割ぐらい削減できた。既存のFPGA構成に比べて使用リソースが少ない。
17:15-17:30 DP508
Research on Anti-interference Performance of Sparsity-based SAR Imaging
Guojing Li, Space Engineering University, China
合成開口レーダーイメージング。観測信号から元のイメージを復元するのは擾乱(interference)の問題などがあってそのままでは難しい。そこでスパース性を使った方法が使われる。今回はスパース性による方法の擾乱に対する頑健性を調べた。擾乱を考えるのに、狭帯域/広帯域、コヒーレント/非コヒーレントなどの種類が考えられる。
擾乱がスパースな場合（信号の辞書が既知）コヒーレントであるほど分離ができる。擾乱がスパースでない場合、伝達関数の種類で分けて分析をしている。（十分ついていけなかった）
17:30-17:45 DP095
Order-adaptive Fractional-Order Moment-based Estimation of Shape
Parameter of K-distribution
Li Zhiyuan, Xidian University, China
発表はやたら元気な兄ちゃん（修士の学生だそうだ）。最初は元気だったのだが、後半になって息切れしてしどろもどろになってきているのがほほえましい。15分で収まらずに打ち切り。
Sea clutter（海面による電波の散乱？）の話。散乱のモデルとして、単純なレイリー分布などのほかに、ガウス分布の組み合わせを使うものがあり、K分布はその一つ。K分布モデルでは、散乱z=sqrt(τ)μでτとμがそれぞれ分布する。τはガンマ分布、r=|z|はK分布というややこしい分布になる。K分布のパラメータを求めるのに、4次モーメント、1/2次とか3/2次モーメント（分数次数モーメント,FOM）などが必要になる。FOMの次数がいくつになるかは形状パラメータと関係していて、（何らかの意味で？）最適なFOM次数がある。
17:45-18:00 DP252
Internal Threat Prediction Algorithm Based on VASG Model
Xiao He, Henan College of Industry & Information Technology, China
No Show.
18:00-18:15 DP111
Denoising Reconstruction of Evaporation Duct Based on Variable Parameter Threshold Approximation Message Passing Method
LIU Ge, Naval Aviation University, China
Evaporation Duct（大気ダクト。電離層の何か？）によって電波の伝播が曲がることによってまずいことがあるので、よくわからないが圧縮センシングを使う。
Approximation Message Passingというアルゴリズムを提案するのだが、MPでMatching Persuitじゃないのか。繰り返し計算のなにかをなにかしているのだが、なにかがわからん。
質問をしたが、らちが明かなかった。
18:15-18:30 DP059
Network virtual reality clothing silhouette design influencing factors
Hsu Chia-Cheng, Chaoyang University of Technology, Taiwan
原稿棒読みだが、上向いてるだけさっきの子よりましか。
ファッションの研究。ファストファッションのマーケットリサーチの研究のような気がする。Quality Function Deploymentというのがキーワードだが日本語では何ていうのかな。
服の外見についていくつかのデザインのオプションを列挙し、そこから作った服の外見の画像をもとに顧客要求分析を行う。VRと何の関係が？
どこがVRなのか質問してみたら、らちが明かなかった。
18:30-18:45 DP125
Racing APUF: a Novel APUF against Machine Learning Attack with High Reliability
Zheng Li, Southeast University, China
さっきLi Ping先生のところで話をしてもらった学生さん。
PUFはPhysical unclonable functionsの略。LSI作成の時の違いによって生じるチップごとの差を利用するものらしい。APUF(Arbitor PUF)は複数の回路を直列にした時の信号伝達速度の揺らぎを使ったPUF。ハードウェア組み込みなのだが、入出力ペアがたくさんあれば、その特性を機械学習によって推定できる。提案のRacing APUFは、伝達遅れが最大値と最小値をとる回路を作っておいて、これらを直列/並列に接続する。通常のAPUFよりも出力の分布が複雑になって推定が難しくなる。
18:45-19:00 DP248
Group Tracking Method with Adaptive Gate for Multiple Extended Objects Tracking
Qianlan Huang, National University of Defense Technology, China
パーティクルフィルタみたいなターゲット追跡問題らしい。複数点がターゲットになり、点の生成はポアソン分布、点の空間分布が正規分布を仮定。
Gateは、追跡時に点群の中心からどこまでを追跡対象にするかのしきい値のようなものらしい。ここでは、Gateの体積が一定になるように形状を決めるというコンセプトらしい。
ひとつNo Showがあったので、18:45ぐらいに終了。このあと学内のカフェテリアで夕食なのだが、そこはパスして市内を見ることにする。一緒にいた学生さんに頼んでタクシーを呼んでもらった。
しばらくしてタクシーが来たので、学生さんにお別れをして南禅寺へ。タクシーに乗るときに、学生さんが「目的地までは40か50元ぐらいなので、それ以上払わないでください」と注意してくれたので、ああそういうの多いんだなあと思った。
20分ぐらいで南禅寺。42元ぐらい。
で、めちゃくちゃライトアップされている。
いま8時近くて、寺の拝観は終わっている。
しかし寺の周囲は「南禅寺歩行街」で、明るくてにぎやかだ。
踊る集団
ライトアップされたミニ電車が走っている。北京の前門とか上海でもあったけど、中国人はこういうの好きよね。
テントで露天みたいなのが集まっている。
トイレに行きたいので、ショッピングセンター（？）e-bingの地下へ。
地下をちょっと見て、再び地上へ
KAWAIIショップ
例のミニ電車が行く先をちょっと見てみたが、ほとんどの店が閉まっている。
さらに奥へ。人が集まっているので何をしてるのかと思ったら、e-sportsの大会（？）をやっていた。何のゲームかな。
隣の路地が「南禅寺美食街」。
この辺すごい人。橋があったので上ってみると、川ではライトアップされた船が行き来していた。
人が混んでいるあたりの食堂を物色。それほど混んでなくて、地元の食い物っぽい店を探して、よさげな店に入る。
席はあるけど結構混んでいて、2階に上がる。ここの店はいかにも家族経営で、父母らしい人、上半身裸で刺青のおじさん、中学生ぐらいの男の子と小学生ぐらいの女の子二人が忙しそうに働いている。とりあえず席についてメニューを眺める。
ここの店は地元のものを売りにしている（太湖三白）。太湖三白とは、銀魚、白蝦、しらすのことらしい。そういえば、昨日の夜と今日の昼に出た料理には、魚とか小エビとかが出ていたが、あれが地元料理だったのか。
ちょっと考えて、太湖三白面と酒醸団子羹をたのむ。ビールも注文したつもりだったが無視された。
こちらが太湖三白面。三白といっても入っているのはエビとシラスだけ。麵はとんこつ味の棒ラーメンそのもの。
酒醸団子羹は面白そうだったので頼んだのだが、5人前ぐらいのが来た。甘酒にとろみをつけて白玉を入れたもの。おいしいけど量が多くて、半分ぐらい残してしまった。
おなかが水っぽくなって暑い。とりあえず外に出てぶらぶら歩く。
せっかくなのでもう一度e-bingの下に入ってみる。なにかお土産っぽいものがあれば買おうかと思ったが、特に何もない。なぜか萌え看板がけっこうある。
21時近くなってきたので、そろそろ帰ろうかとタクシーを探す。最初に来た側と反対側でタクシーを拾おうとしたが、なかなか空車が来ず、来た空車には無視されて15分ほど。これは難しいのでいったん駅に行ってタクシーを拾おうと思い、元の南禅寺側に戻ったところ、そちら側にタクシーが多いことが分かった。5分ほどで無事タクシーを拾い、ホテルに戻る。
明日の昼は何か食えるか不明なので、念のためホテルのコンビニで食料を調達。クレジットカードが使えず残念。
シャワーを浴びた後、明日の準備。来るときには上海→無錫が電車だったので帰りも電車なのかと思っていたが、なんかヤバい雰囲気を感じたのでWebで調べてみたところ、帰りの便はバスであることが判明。どうりで無錫から浦東まで3時間かかるはずだ。しかしバスだとすると、どこで切符をもらってどこから乗ればいいのだろう。いろいろ情報を調べてみたがわからず、明日朝に航空会社に電話して聞いてみることにする。昼頃の便にしてよかった。
22時過ぎに寝る。
前の日へ 目次へ 次の日へ