2020年10月24日(土) 12:13 JST

オートエンコーダを用いた設計案の管理 -AI(機械学習)メモ vol.3

  • 印刷用ページ
  • 2020年6月15日(月) 13:52 JST
  • 投稿者:

AI(機械学習)メモ vol.3は、オートエンコーダを用いた設計情報の管理(オートエンコーダを用いた外構設計情報の管理とクラスタリングに関する研究、日本建築学会大会(東北)、学術講演梗概集、(社)日本建築学会、2018.9)についてです。あまり聞き慣れないエンコーダという言葉ですが、元の情報を某かの目的に応じ符号に変換をする仕組みを意味します。変換することをエンコード(符号化)と呼び、逆に変換したものを元の情報に戻すことをデコード(復号化)、この仕組みをぞれぞれエンコーダ・デコーダと呼びます。JPEGやZIPでの圧縮も高効率符号化と呼ばれる符号化の一種ですので、JPEGエンコーダの場合は、あるビットマップ画像(元の情報:RGBの塊)をJPEG形式のエンコーダでエンコードして保存する、デコーダでデコードし画像を閲覧する、というかたちで用いられています。自分はエンコード・デコードなんて普段していないぞ、と思うかもしれませんが、これはスマートフォンやPCで自動的に行われているものです。スマートフォンで写真を撮影すると、大体高さ4,000✕幅3,000程度、計12,000,000ピクセルの画像になり、各ピクセルにRGB で3チャンネルぞれぞれ1Byte(8bit: 0~255)ずつ情報がありますので、本来であれば36,000,000Byte = 36MByteの領域を保存に要するわけですが、JPEGで高効率に符号化(エンコード)されることで2MByte程度の容量になって保存されます。もちろんこれを閲覧する際にはビューワでデコードが行われています。高効率符号化はファイル容量を小さくしますので、圧縮とも呼ばれることがありますね。

さて、オートエンコーダは、ニューラルネットワークを用いてエンコーダとデコーダを学習させるものです。オートエンコーダのうち、層が多いものは特にディープオートエンコーダとも呼ばれる、など実装の仕方によって呼び方に区別があるようですが、ここではざっくり区別せずにオートエンコーダと呼ぶことにします。オートエンコーダのネットワークは次図のようになっていて、入力した画像を前半のネットワークでエンコードして特徴量化し、後半のネットワークでデコードして元の画像に近づける、というふうに学習を行います。図では特徴量の要素数をkとしていますが、入力するイメージの要素数より小さい要素数となるよう設定します。このようにすることでイメージを表現する抽象的かつ説明的な特徴量を得ることができます。今回紹介する設計情報の管理研究では、戸建て外構のレイアウト図を対象にオートエンコーダの学習を行い、これで得た特徴量で、類似する設計案を検索することやクラスタリングを行うということを試行しています。


レシプロカル多面体、展示中です

  • 印刷用ページ
  • 2020年6月12日(金) 08:05 JST
  • 投稿者:

コロナ禍からの回復がなかなか進まない現状ですが、皆さんはお変わりないでしょうか。千葉大学では構内への入構規制が緩和され、学生は許可さえあれば比較的自由に入構できるようになりました。学外の方も以前よりは入構しやすいと思います。


レシプロカル・多面体

実はコロナ禍による入構規制が始まる直前から、レシプロカル・タワーの隣にレシプロカル・多面体を展示しています。展示開始からすでに2ヶ月以上過ぎていますが、まさかこれほど入構規制が長引くとは思わず、解除されてからの案内を予定していたため、判断悪くこの時期になってしまいました。梅雨入りしてしまいました・・・

GDLプログラミングマニュアルを更新

  • 印刷用ページ
  • 2020年5月11日(月) 16:00 JST
  • 投稿者:

Kindle版ですが、およそ5年ぶりにGDLプログラミングマニュアルを更新しました。

ArchiCAD V23での動作確認と操作手順説明の修正をし、また、画面も全て撮り直しました。

ホームページで紹介している中級編を取り入れて、初級編・中級編の2部構成への変更も企画段階ではありましたが、実質的にリフレッシュのみとなりました。

内容・構成はまったく変わりはありません。旧版をお持ちの方は再購入される理由はないです。見た目は新しくなりましたが。アマゾンでのリンクはこちらです。

タイルの自動施工に向けたタイル色分類 -AI(機械学習)メモ vol.2

  • 印刷用ページ
  • 2020年4月15日(水) 15:03 JST
  • 投稿者:

AI(機械学習)メモ vol.2では、Deep Learning版の画像分類をタイル施工におけるタイル色分類に導入した例(タイルパターンの設計と自動施工に関する研究、日本建築学会大会(北陸)、学術講演梗概集、(社)日本建築学会、2019.9)について紹介します。下図のように多関節ロボットでタイル施工をしてみる、という研究で何色かのカラータイルを並べモザイクタイルを作ることを試したのですが、タイルを拾い集める際に、そのタイルの色を分類することにDeep Learningを適用した、という例です。所謂CNN(Convolution Neural Network:畳み込みニューラルネットワーク)です。この画像は犬?猫?の代わりに、赤タイル?青タイル?という分類をしています。


共同研究等に関心のある企業の方へ

  • 印刷用ページ
  • 2020年4月10日(金) 16:55 JST
  • 投稿者:

2020/08/23 更新

コロナ禍による緊急事態宣言により、3月以降、共同研究関係者とはオンラインで会議しておりますが、少人数での会議に関しては会議室での面会を再開しています。新規のご相談に関しても、人数が制限されますが、研究室にて対応可能です。よろしくお願いします。

目次
Ⅰ 研究開発のカテゴリーについて
Ⅱ 契約について
Ⅲ 共同研究を開始する時期

当研究室では、積極的に民間企業と連携して研究をしています。これまで説明したことがなかったので、共同研究等に関係する情報をまとめます。

公開できるものは最新の成果から少し時間の経ったものに限られますが、簡単な説明文よりは動画の方がより説得力がありますので、YoutubeのこのURLを参照ください。



Twitter ・ Facebook

Twitter 平沢研究室アカウント FaceBook 平沢研究室ページ

アクセスカウンタ

8,035,177