2024年度卒業研究発表会

2025年1月31日（金）、本学工学部情報コースにおいて卒業研究発表会が開催されました。

本研究室からは11名の学生が登壇し、1年間にわたる研究成果を発表しました。発表後には活発な議論が交わされ、有意義な意見交換が行われました。

発表を行った学生の研究テーマは以下の通りです。

井上 堅介：「内蔵カメラと機械学習を用いた居眠り運転防止システムの開発」

本研究では、Apple Vision Frameworkと独自に開発した眠気を識別する表情モデルを活用し、居眠り防止のiOSアプリを開発しました。ユーザーの表情をリアルタイムで解析し、眠気の兆候を検知するとアラートを発する機能を実装しました。評価実験では、モデルの精度やアプリの実用性を検証し、一定の効果が確認されました。今後の課題として、より客観的な評価や、識別精度の向上が挙げられます。

苛原 健：「逆拡散プロセスを活用した読書支援システムの提案」

本研究では、画像生成モデル（Stable Diffusion）を活用した読書支援システムを提案しました。小説の文章から重要なフレーズを抽出し、品詞情報を考慮したプロンプトの最適化を行うことで、生成画像の再現性を向上させることを目的としています。実験では抽出する文字数を変更し、テキストと画像の整合性を評価しました。今後は単語の抽出方法の最適化やより最適な生成モデルの構築が課題となります。

工藤 琉亜：「パーキンソン病患者の手指の震え率を測定するアプリの開発」

本研究では、パーキンソン病患者の手指の震えを測定するiOSアプリを開発しました。本アプリでは、AR技術を活用し、画面上に表示された数字を手でなぞる動作を記録することで、震えの程度を測定します。測定データから震え率を算出し、症状の進行度評価や医師の診断補助への活用を想定しています。今後は機械学習モデルの改善による、正確なトラッキングの実現が課題となります。

武田 晟周：「顔認識を用いた出席管理システムの提案」

本研究では、顔認識技術(face_recognition)と物体検出技術(YOLO)を組み合わせた出席管理システムを提案しました。本システムでは、リアルタイムで取得した映像から顔を識別し、同時にYOLOでスクリーン越しの画像使用を検出することで、より信頼性の高い出席確認を実現します。実験では複数の被験者によるシステムの認識精度を評価し、不正防止の効果を検証しました。今後はより汎用的な不正防止機能の実装や、認識精度の向上などが課題となります。

戸原 健太：「GAN生成画像と実写写真の識別に関する研究」

本研究では、GAN生成画像の特有の周波数領域特性に着目し、実写写真との識別手法を検討しました。具体的には、離散コサイン変換（DCT）を用いて画像の周波数成分を解析し、その特徴をCNNモデルに入力することで、GAN生成画像か実写写真かを判別する手法を提案しました。今後の課題として、データセットの拡張やモデルの改善を通しての性能向上が挙げられます。

穂積 優太：「物体検出手法YOLOv8を用いた在庫管理システムの提案」

本研究では、物体検出技術を活用したスーパーマーケット向けの在庫管理システムを提案しました。物体検出モデルYOLOv8を用い陳列の状態を解析することで、商品の状況をリアルタイムで把握する方法を提案しています。実験では特定の状況での認識には成功しましたが、想定される様々な状況に対する性能の改善が課題として挙げられます。

松浦 拓真：「単眼深度測定技術を活用した 運転中の物体間距離測定 システムの開発」

本研究では、単眼深度測定技術を活用し、運転中の物体間距離を測定するシステムを開発しました。本システムは、YOLOを用いた物体検出により走行環境を認識し、AppleのDepth Proを活用して深度推定を行うことで、周囲の車両との距離を計測します。取得した情報をもとにドライバーへ警告を発する機能を実装しました。実験では実際の走行環境での測定精度を評価し、本手法の有効性を検証しました。今後は物体の認識精度向上や、リアルタイム処理の実現が課題となります。

村井 亮太：「階層的信頼性伝播を用いた手話認識のための時系列行動認識」

本研究では、最新の時系列行動認識(Temporal Action Localization)モデルであるHR-Proを日本語指文字認識に適用することで、MediaPipeのような姿勢推定モデルを使用せずに、動画内の指文字の音節とその時間範囲を正確に推定することを目的としました。本研究室で開発したデータセットを用いて限定されたクラス数での評価を実施し、本手法の有効性を示すとともに、より多くのクラス数に対応した正確な認識の実現に向けた道筋を明らかにしました。今後は、データセットの拡充や、指文字動画特有の性質を考慮したモデルの改良に取り組む予定です。

山形 和：「手描きイラスト認識システムの実用化に関する考察と提案」

本研究では、手描きイラストと手書き文字の認識技術を活用し、手書きメモアプリケーションの開発を行いました。手描きのイラストと文字を識別するために、ディープラーニングを用いた画像認識モデルを導入し、ユーザーが描いたものを認識するシステムを構築しました。実験では、異なる筆跡や描画スタイルに対する認識精度を評価し、実用化に向けた課題を検討しました。今後は、認識精度の向上や、ユーザーインターフェースの改良を進め、より快適な手書き入力体験の実現が課題となります。

山崎 莉奈：「データオーグメンテーションを用いた犬種分類モデルの精度向上に関する研究」

本研究では、Data Augmentation（データ拡張）を活用し、犬種分類モデルの認識精度向上を目指しました。畳み込みニューラルネットワーク（CNN）を基盤とした分類モデルを用い、画像の回転、拡大縮小、対称変換などのデータ拡張手法を適用することによる、モデルの性能を検証しました。実験では限られたデータでも一定の分類精度を達成することができた一方で、不均衡データの扱いなどが今後の課題として挙げられます。

吉原 大稀：「飲食店の来客数を予測するAIシステムの提案」

本研究では、Random Forestを用いた飲食店の来客数予測モデルの開発に取り組みました。天候、曜日、気温、過去の来客データなどの複数の特徴量を入力として、来客数を予測するシステムを構築しました。実験を通して一定の予測精度の達成が認められた一方で、学習状況の可観測性の改善やデータセットの改善が課題となっています。

このように、本研究室ではコンピュータビジョンを中心に、学生の関心に基づいた多様な研究に取り組んでいます。

今後もさらなる研究成果を発信してまいりますので、来年度以降の活動にもぜひご期待ください！