NEWS お知らせ

メディアダイナミクス研究室に、5名の学部3年生が配属しました！
https://www-lmd.ist.hokudai.ac.jp/member/

2017年 11月 30日(木) – 12月 1日（金）に名古屋大学で開催されたCS研究会にて、当研究室 長谷山教授が以下の講演を行いました。
［特別招待講演］ビッグデータからの価値創出を実現する次世代情報検索 ～ AI・IoT技術の発想支援型検索への導入 ～
○長谷山美紀（北大）

本日，2017年11月26日に国立大学法人鹿屋体育大学にて開催の研究会で研究発表を行いました．
高橋翔, 長谷山美紀, “サッカー映像における選手配置に注目した類似場面検出に関する検討,” 映像情報メディア学会技術報告, vol. 41, no. 41, pp. 5-11, 2017.
また，スポーツのデータ取得が可能な施設「スポーツパフォーマンス研究棟」の視察も行いました．

当研究室より投稿していた下記の論文がIEICE Transactions on Information and Systems (IF=0.411) に採択されました。
Yoshiki Ito, Takahiro Ogawa, Miki Haseyama: “Accurate Estimation of Personalized Video Preference Using Multiple Users’ Viewing Behavior,” IEICE Transactions on Information and Systems (Accepted for publication)
http://www.ieice.org/jpn/index.html

当研究室より、Multimedia Tools and Applicationsに投稿していた以下の論文が採録されました。
Ryosuke Harakawa, Takahiro Ogawa, Miki Haseyama: “Tracking Topic Evolution via Salient Keyword Matching with Consideration of Semantic Broadness for Web Video Discovery,” Multimedia Tools and Applications (Accepted for publication)
http://link.springer.com/journal/11042

現在、札幌駅前通地下歩行空間で公開中のCOSMOS-ATLASが、札幌駅前通地下広場のHPで紹介されました。
http://www.sapporo-chikamichi.jp/event/detail.asp?id=1537

2017年10月31日～11月8日 (10:00-13:00、16:00-19:00) に札幌駅前通地下歩行空間（チ・カ・ホ）北2条交差点広場西側で、当研究室で開発を行ったCOSMOS-ATLAS(Community-Oriented & Shared Multimedia RecOmmendation System Actuated TangibiLity for AwarenesS)を公開します。
COSMOS-ATLASは、ユーザとの対話で好みを学習し、そのユーザに会った札幌の観光情報を推薦する次世代の人工知能システムです。
ディスプレイの前に立って、気になる観光画像に触れてみてください。COSMOS-ATLASが興味を推定し、皆さんに情報を提供します。
地下歩行空間をお通りの際には、是非、お立ち寄り下さい！

2017年10月28日～29日に、はこだて未来大学で開催のに当研究室より以下の発表を行いました。
音響特徴と心拍特徴を用いた楽曲聴取時のユーザに誘起される感情の推定の高精度化に関する検討
段 博瀟, 小川 貴弘, 長谷山 美紀 (北海道大学)
背景差分法と深層学習を用いた河川CCTV映像における歩行者検出の高精度化に関する検討
川本 舜, 石原 賢太, 小川 貴弘, 長谷山 美紀 (北海道大学)
fNIRS信号を利用した好みの映像識別に関する検討 —特徴量選択の導入による高精度化—
豊田 陽, 小川 貴弘, 長谷山 美紀 (北海道大学)
フラクタル画像符号化における復号画質と空隙性の関係に関する考察
竹沢 恵, 真田 博文 (北海道科学大学), 小川 貴弘, 長谷山 美紀 (北海道大学)
適応的フィールド構成を導入したFFMに基づくツイート推薦の高精度化に関する検討
滝村 祥司, 原川 良介, 小川 貴弘, 長谷山 美紀 (北海道大学)
異種特徴の関連性を活用したネットワーク解析に基づく音楽動画コンテンツの推薦に関する一検討 —ユーザの好みを反映可能とする特徴変換による高精度化—
松本 有衣, 原川 良介, 小川 貴弘, 長谷山 美紀 (北海道大学)
ランク最小化に基づく行列補完を用いた関心度推定の高精度化に関する検討
九島 哲哉, 高橋 翔, 小川 貴弘, 長谷山 美紀 (北海道大学)
画像特徴量とfNIRS特徴量の関連性に注目した画像分類の高精度化に関する検討
堀井 風葉, 前田 圭介, 小川 貴弘, 長谷山 美紀 (北海道大学)
敵対的学習により生成された画像が与える審美的印象に関する検討
金井 美岬, 藤後 廉, 小川 貴弘, 長谷山 美紀 (北海道大学)

2017年10月24日～27日に名古屋で開催中の2017 IEEE 6th Global Conference on Consumer Electronics (GCCE 2017)にて、学部4年生の松本有衣さんが以下の賞を受賞しました。
IEEE GCCE2017 Outstanding Poster Award
本賞は以下の発表に関して授与されています。
Construction of Network Using Heterogeneous Social Metadata for Music Video Recommendation
Yui Matsumoto, Ryosuke Harakawa, Takahiro Ogawa and Miki Haseyama (Hokkaido University, Japan)

2017年10月24日～27日に名古屋で開催中の2017 IEEE 6th Global Conference on Consumer Electronics (GCCE 2017)に当研究室から以下の7件の発表を行いました。
(1)Aesthetic Quality Assessment of Images via Supervised Locality Preserving CCA
Misaki Kanai (Hokkaido University, Japan); Ren Togo (Hokkaido University & Japan, Japan); Takahiro Ogawa and Miki Haseyama (Hokkaido University, Japan)
(2)Personalized Tweet Recommendation Based on Field-aware Factorization Machines with Adaptive Field Organization
Shoji Takimura, Ryosuke Harakawa, Takahiro Ogawa and Miki Haseyama (Hokkaido University, Japan)
(3)Preference Estimation for Video Recommendation Using DCNN Features and Viewing Behavior
Yoshiki Ito, Takahiro Ogawa and Miki Haseyama (Hokkaido University, Japan)
(4)Video Preference Estimation Using fNIRS Signals
Akira Toyoda, Takahiro Ogawa and Miki Haseyama (Hokkaido University, Japan)
(5)Interest Level Estimation Based on Matrix Completion via Rank Minimization
Tetsuya Kushima, Sho Takahashi, Takahiro Ogawa and Miki Haseyama (Hokkaido University, Japan)
(6)Image Classification for Trend Prediction Based on Integration of fNIRS and Visual Features
Kazaha Horii, Keisuke Maeda, Takahiro Ogawa and Miki Haseyama (Hokkaido University, Japan)
(7)Construction of Network Using Heterogeneous Social Metadata for Music Video Recommendation
Yui Matsumoto, Ryosuke Harakawa, Takahiro Ogawa and Miki Haseyama (Hokkaido University, Japan)

10月9日（月）に高校生向けイベント「画像処理研究の最先端 ～画像検索の最先端研究～」
10月21日（土）に女子中高生イベント しっかりサイエンス！「画像処理研究の最先端～未来の世界を覗いてみよう～」
を北海道大学情報科学研究科で実施しました。
当研究室 長谷山教授、小川准教授から画像処理の最先端技術、最新のAI・IoT技術に関する講義と技術体験を実施ました。

北海道大学数理・データサイエンス教育研究センターは、平成29年7月1日に本学に設置された学内共同教育施設です。本センターは、数理的思考及びデータを分析し、活用する能力を用いて、社会における諸問題の解決及び新しい課題の発見並びにデータから価値を生み出すことができる人材を育成し、超スマート社会の実現及びその社会における競争力の向上に資することを目的として設置されました。
https://www.facebook.com/mdsc.hokudai.since2017/

7月1日付で，長谷山教授が北海道大学数理・データサイエンス教育研究センター センター長に着任致しました．
数理・データサイエンス教育研究センターは，昨年度本学が「数理及びデータサイエンスに係る教育強化」拠点大学選定校に選定され設置となった新しい施設です．

2017年9月26日に開催された学部・学科等紹介にメディアダイナミクス研究室から出展をしました。
来室下約145名の学生さんにメディアネットワークコースの研究の紹介を行ないました。

2017年9月17日～20日に中国 北京で開催されたIEEE ICIP2017に当研究室から以下の6件の発表を行いました。
(1) Susumu Genma, Takahiro Ogawa, Miki Haseyama, “IMAGE RETRIEVAL BASED ON LRGA ALGORITHM AND RELEVANCE FEEDBACK FOR INSECT IDENTIFICATION”
(2) Akira Toyoda, Takahiro Ogawa, Miki Haseyama, “MVLFDA-BASED VIDEO PREFERENCE ESTIMATION USING COMPLEMENTARY PROPERTIES OF FEATURES”
(3) Shota Hamano, Takahiro Ogawa, Miki Haseyama, “TAG REFINEMENT BASED ON MULTILINGUAL TAG HIERARCHIES EXTRACTED FROM IMAGE FOLKSONOMY”
(4) Keisuke Maeda, Takahiro Ogawa, Miki Haseyama, “AUTOMATIC MARTIAN DUST STORM DETECTION VIA DECISION LEVEL FUSION BASED ON DEEP EXTREME LEARNING MACHINE”
(5) Keisuke Maeda, Sho Takahashi, Takahiro Ogawa, Miki Haseyama, “AUTOMATIC ESTIMATION OF DETERIORATION LEVEL ON TRANSMISSION TOWERS VIA DEEP EXTREME LEARNING MACHINE BASED ON LOCAL RECEPTIVE FIELD”
(6) Kenta Ishihara, Takahiro Ogawa, Miki Haseyama, “DETECTION OF GASTRIC CANCER RISK FROM X-RAY IMAGES VIA PATCH-BASED CONVOLUTIONAL NEURAL NETWORK”

2017年9月5日(火)～9月6日(水)に開催されたサマーセミナー2017((社)映像情報メディア学会メディア工学研究会と公益社団法人精密工学会画像応用技術専門委員会との共催)に当研究室より以下の4件の発表を行いました。
また、前田君の発表が優秀発表賞に選ばれました。おめでとうございます！
(1)
正準相関最大化を導入した深層学習に基づく送電鉄塔の劣化レベル分類に関する検討
前田圭介, 高橋翔, 小川貴弘, 長谷山美紀
(2)
Deep Extreme Learning Machineに基づくサッカー映像に撮像されたフィールド位置の推定に関する検討
鈴木元樹, 高橋翔, 小川貴弘, 長谷山美紀
(3)
複数の条件で撮像された走査型電子顕微鏡画像を用いたゴム材料の物性値推定に関する検討
斉藤直輝, 小川貴弘, 長谷山美紀
(4)
変状評価支援のための類似点検データ検索の高精度化に関する検討－熟練技術者の判定に関する推定に基づいた学習データ生成法の導入－
斉藤僚汰, 高橋翔, 小川貴弘, 長谷山美紀

2017年8月7日（月）～10日（木）に広島国際会議場で開催された画像の認識・理解シンポジウム (MIRU2017)に当研究室から以下の発表を行いました。
（１）
fNIRS 信号を利用した好みの映像識別に関する検討 – 複数の CNN 特徴量の統合による高精度化 –
豊田 陽, 小川 貴弘, 長谷山 美紀（北大）
（２）
Signedネットワーク解析に基づくWeb映像集合の階層構造抽出に関する検討 -適応的モジュラリティ最適化による高精度化の試み-
原川 良介, 小川 貴弘, 長谷山 美紀（北大）
（３）
Web Video Search Reranking using a Heterogeneous Graph-Based Soft Clustering Approach
Soh Yoshida(Kansai Univ.), Takahiro Ogawa, Miki Haseyama(Hokkaido Univ.), Mitsuji Muneyasu(Kansai Univ.)
研究室OBとの再会もありました！

当研究室より、IEEE Accessに投稿していた以下の論文が採録されました。
Ryosuke Harakawa, Takahiro Ogawa, Miki Haseyama: “Extracting Hierarchical Structure of Web Video Groups Based on Sentiment-aware Signed Network Analysis,” IEEE Access (Accepted for publication)
http://ieeeaccess.ieee.org/

当研究室より2017 IEEE 6th Global Conference on Consumer Electronics (GCCE 2017) に投稿していた下記の論文が採択されました。
(1) Akira Toyoda, Takahiro Ogawa, Miki Haseyama, “Video Preference Estimation Using fNIRS Signals”
(2) Yoshiki Ito, Takahiro Ogawa, Miki Haseyama, “Preference Estimation for Video Recommendation Using DCNN Features and Viewing Behavior”
(3) Tetsuya Kushima, Sho Takahashi, Takahiro Ogawa, Miki Haseyama, “Interest Level Estimation Based on Matrix Completion via Rank Minimization”
(4) Yui Matsumoto, Ryosuke Harakawa, Takahiro Ogawa, Miki Haseyama, “Construction of Network Using Heterogeneous Social Metadata for Music Video Recommendation”
(5) Kazaha Horii, Keisuke Maeda, Takahiro Ogawa, Miki Haseyama, “Image Classification for Trend Prediction Based on Integration of fNIRS and Visual Features”
(6) Misaki Kanai, Ren Togo, Takahiro Ogawa, Miki Haseyama, “Aesthetic Quality Assessment of Images via Supervised Locality Preserving CCA”
(7) Shoji Takimura, Ryosuke Harakawa, Takahiro Ogawa, Miki Haseyama, “Personalized Tweet Recommendation Based on Field-aware Factorization Machines with Adaptive Field Organization”
http://www.ieee-gcce.org/2017/index.html

当研究室よりIEEE Transactions on Affective Computingに投稿していた下記の論文が採択されました。
Ryosuke Sawata, Takahiro Ogawa, Miki Haseyama, “Novel Audio Feature Projection Using KDLPCCA-based Correlation with EEG Features for Favorite Music Classification,”IEEE Transactions on Affective Computing (Accepted for publication)