文字サイズ
検索

学部・大学院

ホーム > 学部・大学院 > 教員紹介 > 情報・知能工学系 > 青野 雅樹(あおの まさき)

青野 雅樹(あおの まさき)

所属 情報・知能工学系
兼務
職名 教授
専門分野 データサイエンス、情報検索(特に3D検索、画像検索、映像検索)、深層学習、テキストマイニング
学位 Ph.D. (レンセラー工科大学(米))
所属学会 ACM / IEEE / 情報処理学会 / 電子情報通信学会 / 言語処理学会 / 人工知能学会 / 日本データベース学会
E-mail aono@
※アドレスの末尾に「tut.jp」を補完してください
研究室web https://www.kde.cs.tut.ac.jp/
研究者情報(researchmap) 研究者情報

研究紹介

データサイエンスに関する5W1Hの研究を⾏っています。与えられたデータに対してWho, When, Where, What, Why, Howに関する研究です。たとえば、⼩説に対する文書データをもとに、その著者(Who)を推定したり、時系列データから近未来の予測をしたり、世界遺産の写真から、その場所(Where)を推定したり、植物画像の学名(What)を推定したり、⼊試問題に代表される⽂書読解問題の、なぜか(Why)を推定したり、類似する形状(How similar)を検索したり、料理画像とそのレシピに基づき、未知な料理画像をみせて、調理⽅法を推定(How to cook)したりしています。

これらの事例は、ほんの⼀例にすぎません。いずれの場合も、根幹をなす技術、とくに深層学習と特徴量抽出です。深層学習では、理論的に無限の組合せの中ら、与えられたデータと問題に対して、できるだけ最適な層の組合せを⼯夫しています。

最も⼒を⼊れてきたのは3Dの形状類似検索です。特に、特徴量の抽出技術に焦点を当ててきました。特許も10件以上取得してきました。その⼀部は、企業の製品に組みまれています。最近は、3Dの単体の形状検索だけでなく、その集合体である3Dシーンデータの分類・検索や3Dシーンの中の部分にマッチするデータを検索できる部分検索の研究開発にも焦点を当てています。

テーマ1:三次元形状モデルの類似検索・分類・セグメンテーション・自動注釈付与の研究

概要
図1.三次元形状類似検索システムでの検索事例(スケッチから3D検索)

機械部品などの三次元CADを駆使する製造業はもとより、CG製作一般、三次元ゲーム製作、教育、建築業など、三次元モデルは様々な分野で使われています。しかし、三次元の幾何形状モデルを、ゼロからモデルを製作するのは、熟練とデザイン能力が要求されます。そこで、データベースなどに蓄積された既存の三次元形状モデルが与えられた場合に、「形状のヒント」(形の特徴、似た形状モデル、スケッチなど)を与えて、類似するモデルを高精度で検索する技術を開発し、特許を出願しました。検索精度は、事前学習を行わない手法としては、世界一を誇っています。この技術により、データの再利用性が高まり、また元々複雑な形状を分割する技術にも成功しています。

近年は、単体の3Dモデルだけでなく、集合体である3Dシーンの検索や分類の研究、部分形状類似検索にもフォーカスし、各種深層学習技術を導入し、より高精度化を目指しています。

主な業績

特許第5024767号 三次元モデルの検索方法、コンピュータプログラム及び三次元モデルの検索システム
特開2015-176484 三次元モデル検索方法、及び三次元モデル検索システム
特開2015-176485 三次元モデル特徴抽出方法、及び三次元モデル・アノテーションシステム
特開2015-201151 三次元モデル検索システム、及び三次元モデル検索方法
特開2018-136642 三次元形状検索方法及び三次元形状検索システム
特開2018-147262 画像特徴量及びそれを用いる三次元形状検索システム
特願2018-046791 三次元画像分類装置および三次元画像分類方法
特願2018-236091 物体識別システム、物体識別方法、並びに、画像識別プログラム

キーワード

三次元形状検索、特徴量抽出、部分検索、セグメンテーション、クラスタリング、アノテーション

テーマ2:深層学習を用いた植物鑑定

概要
図2.植物画像鑑定システム

何千、何万とある地球上の植物画像(花、葉、樹木全体、樹皮、紅葉、落葉した樹形など様々)に対して、深層学習を用いて精度の高い鑑定を行える技術の開発を行っています。この基礎技術は、様々な応用があり、部分検索や3Dシーン検索にも応用できると考えています。

主な業績

PlantCLEF2016国際コンテストで世界最高性能を達成

Siang Thye Hang, Atsushi Tatsuma, and Masaki Aono, Bluefield (KDE TUT) at LifeCLEF 2016 Plant Identification Task, LifeCLEF 2016 Workshop in Conference and Labs of the Evaluation Forum (CLEF2016), 10pp, September 6th, University of Évora, Portugal, 2016

Siang Thye Hang and Masaki Aono, Open World Plant Image Identification Based on Convolutional Neural Network, Asia Pacific Signal and Information Processing Association (APSIPA2016), 4pp, December 16th, Jeju, Korea, 2016

キーワード

深層学習、鑑定、パターン認識

テーマ3:自動アノテーション

概要
図3.テキストから画像内の対応セグメントを検出

画像を与えて、それに自動的にアノテーションを付与する研究です。Facebook, Instagram, Twitterなど多くのSNSでは、画像や映像が日常的にアップロードされています。しかし、それらにほとんど注釈がないことが多いのが現状です。そこで、深層学習を用いて、事前に訓練しておき、未知な画像が入力されたときに、できるだけ自然なアノテーションを付与する技術開発を目指しています。

主な業績

ImageCLEF2014にて画像アノテーションの世界コンテストで第一位。
IJCAI2017(人工知能の分野の世界トップカンファレンス)で論文が採択され、発表した。

Ismat Ara Reshma, Md Zia Ullah, Masaki Aono, Ontology based Classification for Multi-label Image Annotation, The 2014 International Conference on Advanced Informatics: Concepts, Theory and Applications (ICAICTA 2014), 6pp, Best Paper Awarded, August 20th, Bandung, Indonesia, 2014

Ko Endo, Masaki Aono, Eric Nichols, Kotarou Funakoshi, An Attention-based Regression Model for Grounding Textual Phrases in Images, International Joint Conference on Artificial Intelligence (IJCAI2017), 7pp, August 25, Melbourne, Australia, 2017

キーワード

アノテーション, 画像認識

担当授業科目名(科目コード)

ソフトウェア演習Ⅱ, Ⅲ [Computer Programming] B13610020 必修(B3)

計算機アーキテクチャ概論 [Introduction to Computer Architecture] B13530090 後期(B2)

データマイニング・可視化特論 [Advanced Data Mining]M23630080 前期 (M1)

Web data engineering (English only lecture) 

その他(受賞、学会役員等)

上記のほかに、「特許データからのテキストマイニングの研究」、「グラフを用いた症状からの病気の推定の研究」、「生体情報の時系列データマイニングの研究」、「テキストからのアティチュード判定」、「映像からのショット境界検出」、「画像の内容検索」、「画像への自動アノテーション付与の研究」、「センサーとIT技術を用いた最適化技法の研究」などを行っています。


ページトップへ