卒論執筆・スライド作成のポイント
•Transferir como PPTX, PDF•
1 gostou•2,103 visualizações
拝啓 寒さがひとしお身にしみるころとなりましたが、皆様いかがお過ごしでしょうか。 早いもので、もう師走、卒業論文の頃となりました。 本格的な冬将軍（添削地獄）の到来に、見も心も引き締まる思いがしていることと存じます。 さて、卒論の執筆を始める皆様にむけまして、いくつかの注意点をまとめました。 つきましては，ご拝読いただけますと幸いにございます。 師走の折、皆様おそろいで、穏やかな卒業を迎えられますようお祈り申し上げます。 敬具
Recomendados
Mais conteúdo relacionado
Mais procurados
Mais procurados (20)
Semelhante a 卒論執筆・スライド作成のポイント
Semelhante a 卒論執筆・スライド作成のポイント (20)
Último
Último (20)
卒論執筆・スライド作成のポイント
- 1. 1 Chubu University MACHINE PERCEPTION AND ROBOTICS GROUP 卒論執筆・スライド作成のポインント Tsubasa Hirakawa Machine Perception & Robotics Group・Chubu University
- 4. 4 この勉強会で学ぶこと • 事前準備 - クラウドストレージの準備 • 論文執筆（卒論・修論・学会投稿）の作成 - LaTeXの使い方 • Overleaf - 論文の書き方 • 研究発表スライドの作成 - PowerPointの使い方 - スライドの作り方
- 5. 5 事前準備 ~ クラウドストレージ ~ • クラウドストレージを使いましょう - 自分のラップトップとデスクトップでファイルを同期できます - 自宅でも研究室でも同じようにファイルを扱えます • スライド作成も同様です - バックアップ・データ消失時の復元ができます • 色々あります好きなものを活用しましょう
- 7. 7 論文を執筆するためのツール • 文書作成ソフト（Word・Pages） - 使いません！ • 少なくともこの分野では使いません • 他分野では普通に使用 • LaTeX - こちらを使います！ • 数式の執筆が楽 • セクション番号や図番号を自動生成 • 参考文献の整理が楽 • BibTeXを活用
- 8. 8 LaTeXの環境構築 ~ インストール ~ • Windowsの場合 - TeX Liveでインストール https://texwiki.texjp.org/?TeX%20Live%2FWindows • Macの場合（２つのインストーラがあります） - MacTeX http://tug.org/mactex/ - UpTeX http://www2.kumagaku.ac.jp/teacher/herogw/ • Linux（Ubuntu）の場合 - コマンド（CUI）でTeX Liveをインストール $ apt-get install -y texlive インストールは時間がかかるので省略
- 9. 9 LaTeXの環境構築 ~ エディタ編１ ~ • インストールが完了するとLaTeX用エディタが入ってます - Windows：TeXworks - Mac：TeXShop TeXworks TeXShop
- 10. 10 LaTeXの環境構築 ~ エディタ編２ ~ • TeXworks，TeXShop以外にもたくさんのエディタがあります - Windows（OS共通）：TeXmaker・TeXStudio - Mac：TeXPad（有料） - Linux：Kile - その他：Sublime Text・Atom・VSCode（要各種設定） • 各自で使いやすいものを探してください TeXmaker KileTexStudio Atom TeXPad インストール時のまま使用してはダメ！
- 11. 11 LaTeXの環境構築 ~ エディタ編３ ~ • みんなのエディタこんな見た目になってませんか？ - 見づらくないですか？ • プリアンブル部分（詳細は後述） • figure・table環境 （私は）この環境では論文書けません
- 12. 12 LaTeXの環境構築 ~ エディタ編４ ~ • エディタのフォントを変更しましょう - 等幅フォントがおすすめ • Windows：Consolas, etc... • Mac：Osaka, etc... • 平川おすすめ：Ricty, Cica （要ビルド・インストール）
- 13. 13 LaTeXの環境構築 ~ 句読点 ~ • 論文では「、。」ではなく「，．」を使います - 毎回スペースで変換してませんか？ • 無駄です…今すぐやめましょう • Windows - IMEを右クリック→プロパティ→詳細設定→全般 - 「句読点」を変更 • Mac - システム環境設定→キーボード→入力ソース - 「句読点の種類」を「，．」に変更
- 14. 14 Overleaf • クラウドベースのLaTeX環境 - ブラウザですぐに使用可能 • アカウント登録が必要 - 他の人との共同編集も可能 • 国際会議論文執筆では推奨 • 先生方と共有できる - 無料では容量・機能制限があります
- 15. 15 ローカルのLaTeX環境いらなくない？ • 悲劇が起こります（たまに） - サーバーがダウンするかもしれません • データの抽出すらできない • 卒論が提出できなくなるかも - 当然メンテナンス時は使えません • 自分の都合に合わせてくれません ローカルにもLaTeXの環境構築は必須！
- 16. 16 LaTeXの構成 documentclass[10pt, a4j]{jarticle} usepackage{mprg} begin{document} title{第1回ディスカッション Large{MPRG Work Document Template}} author{平川 翼} date{2019年3月1日} maketitle section{このテンプレートについて} 既存のテンプレートファイルは古かったので，フォーマットを崩さない範囲で可能な限り最新のパッケージ等を 使用するように変更した．変更に際し，cite{ref1}を参考にした． section{Figure環境} 図ref{fig:fig_sample}に上記の規則に従った場合の図の配置例を示す． begin{figure}[tb] centering includegraphics[width=0.3linewidth]{img/a.jpg} caption{Figure環境の例．} label{fig:fig_sample} end{figure} begin{thebibliography}{9} bibitem{ref1} 使ってはいけないLaTeX のコマンド・パッケージ・作法． end{thebibliography} end{document} 図の配置 参考文献 プリアンブル（この文書の設定等）
- 17. 17 LaTeXの書き方 ~ 図の配置１ ~ • begin{figure}[配置コマンド] で場所を制御 - 図は基本的に上寄せ - 文章の間に挿入しない（t, bを使う） ※各コマンドの意味 図ref{fig:fig_sample}に上記の規則に従った場合の図の配置例を示す． begin{figure}[tb] centering includegraphics[width=0.3linewidth]{img/a.jpg} caption{Figure環境の例．} label{fig:fig_sample} end{figure} ここで配置場所を制御 t ：ページ上部 b：ページ下部 h：figure環境を配置した場所（ここ・here） p：独立したページに配置 基本的に使わない！
- 18. 18 LaTeXの書き方 ~ 図の配置２ ~ • begin{figure}[配置コマンド] で場所を制御 [tb] を使用した場合 [tbh] を使用した場合
- 19. 19 LaTeXの書き方 ~ 表の作成１ ~ • table, tabular環境を使います - 詳細は割愛 - 配置はt, bを使うこと LaTeXの表作成はかなり面倒 begin{table}[tb] centering caption{Mean IoU} label{tab:mean_iou} begin{tabular}{|l|c|} hline Method & Mean IoU hline hline FCN & 66.1 hline UNet & 68.4 hline PSPNet & 70.3 hline DeepLabv3+ & 79.8 hline end{tabular} end{table}
- 20. 20 LaTeXの書き方 ~ 表の作成２ ~ • Tables Generator https://www.tablesgenerator.com/ - Webページで作成した表からLaTeXコードを自動生成してくれます • HTML，Markdownの表も作成可能
- 21. 21 LaTeXの書き方 ~ 図表番号 ~ • label{label-key} を活用する - 本文中で記述したいところに ref{label-key} を記述する • 図の順番が変わっても自動的に番号を変えてくれます • 文章中に数字をベタ書きしないこと • 表番号もおなじ 図ref{fig:fig_sample} に上記の規則に従った場合の図の配置例を示す． begin{figure}[tb] centering includegraphics[width=0.3linewidth]{img/a.jpg} caption{Figure環境の例．} label{fig:fig_sample} end{figure} この図の番号の変数 記述したい図番号の変数
- 22. 22 LaTeXの書き方 ~ 参考文献 ~ • 文献の追加方法は2種類 1. *.texファイルにベタ書き • 文献数が少ない論文で使用（1ページの卒論アブストラクトなど） 2. BibTeXを使用 • 参考文献をまとめたファイルを別に作成（*.bibファイル） • 文献数が多い論文で使用（卒論・修論・学術論文等） begin{thebibliography}{9} bibitem{ref1} 使ってはいけないLaTeX のコマンド・パッケージ・作法 (url{http://ichiro-maruta.blogspot.jp/2013/03/latex.html})． end{thebibliography} bibliographystyle{unsrt} bibliography{ref}
- 23. 23 参考文献の書き方 ~ ベタ書き１ ~ • thebibliography環境に文献情報を記述 - 書いた順番に文献が表示 • 引用した順番によって自分で並べ換える必要あり begin{thebibliography}{9} bibitem{Long2014} J. Long, E. Shelhamer, and T. Darrell, ``Fully convolutional networks for semantic segmentation,'' in Computer Vision and Pattern Recognition, pp. 3431--3440, 2014. bibitem{Chen2017} Y.F. Chen, M. Everett, M. Liu, and J.P. How, ``Socially aware motion planning with deep reinforcement learning,'' in International Conference on Intelligent Robots and Systems, pp. 1343--1350, 2017. bibitem{Mnih2015} V. Mnih, K. Kavukcuoglu, D. Silver, et al., ``Human-level control through deep reinforcement learning,'' Nature, Vol. 518, No. 7540, pp. 529--533, 2015. end{thebibliography} 文献数を記入
- 24. 24 参考文献の書き方 ~ ベタ書き２ ~ • thebibliography環境に文献情報を記述 - 書いた順番に文献が表示 • 引用した順番応じて自分で並べ換え - 文献数によって若干インデントが変わります • 文献数が9以下の場合 ：{9} • 文献数が10以上の場合：{99} {9}を使用した場合 {99}を使用した場合 文献番号が2桁になることを考慮して 手前に少しスペースがある
- 25. 25 参考文献の書き方 ~ cite-key ~ • 論文中でcite{cite-key}の形式で引用 - 複数の場合はcite{cite-key1,cite-key2}と記述 - 手前が半角英数の場合は，直前に半角スペース or ~ を置く begin{thebibliography}{9} bibitem{Long2014} J. Long, E. Shelhamer, and T. Darrell, ``Fully convolutional networks for semantic segmentation,'' in Computer Vision and Pattern Recognition, pp. 3431--3440, 2014. … Fully Convolutional Network (FCN)~cite{Long2014}は，… 参考文献部分 本文 cite-key
- 26. 26 BibTeXの書き方１ • テキストファイル（*.bib）に文献情報をまとめます @inproceedings{Long2015, Author = {J. Long and E. Shelhamer and T. Darrell}, Booktitle = {Computer Vision and Pattern Recognition}, Pages = {3431--3440}, Title = {Fully convolutional networks for semantic segmentation}, Year = {2015}} @article{Mnih2015, Author = {Mnih, Volodymyr and Kavukcuoglu, Koray and Silver, David and Rusu, Andrei A. and Veness, Joel and Bellemare, Marc G. and Graves, Alex and Riedmiller, Martin and Fidjeland, Andreas K. and Ostrovski, Georg and Petersen, Stig and Beattie, Charles and Sadik, Amir and Antonoglou, Ioannis and King, Helen and Kumaran, Dharshan and Wierstra, Daan and Legg, Shane and Hassabis, Demis}, Journal = {Nature}, Number = {7540}, Pages = {529--533}, Title = {Human-level control through deep reinforcement learning}, Volume = {518}, Year = {2015}} ref.bib文献の種類 cite-key 文献の情報 （著者，タイトル等）
- 27. 27 BibTeXの書き方２ • 文献の種類 - @inproceedings：（国際・国内）会議の予稿 • CVPR, ICCV, ECCV, ICML, NIPS, ICLR, IROS, ICRA, etc... - @article：学術論文 • PAMI, Nature, etc... - 他にもたくさん種類があります（book, misc, etc…） @inproceedings{Long2015, Author = {J. Long and E. Shelhamer and T. Darrell}, Booktitle = {Computer Vision and Pattern Recognition}, Pages = {3431--3440}, Title = {Fully convolutional networks for semantic segmentation}, Year = {2015}} ref.bib 全部自分でベタ書きしないといけないの？
- 28. 28 BibTeXの書き方３ • 論文が公開されているページにBibTeXファイルがあります - 基本的にはダウンロードするだけ • IEEE Xplore Digital Library（PAMI, WACV） https://ieeexplore.ieee.org/Xplore/home.jsp • ScienceDirect https://www.sciencedirect.com/ • Springer link（ECCV, ACCV, IJCV） https://link.springer.com/ • CVF Open Access（CVPR, ICCV） http://openaccess.thecvf.com/menu.py • NIPS Proceedings（NeurIPS） https://papers.nips.cc/ • Proceedings of Machine Learning Research（ICML） http://proceedings.mlr.press/ • 著者のHPなど - 間違っている（フォーマットが違う）場合があるので確認・修正は必須 - Bibtexファイルがない場合もあります（ex. ICLR） • 自分でbibファイルに書いてください
- 29. 29 BibTeXの書き方４ • ***.texファイルの末尾（参考文献を表示する場所）に下記のコードを記述 - refは作成したbibファイル名 - bibliographystyle{...}によって参考文献のスタイルが変化 • unsrt • plane • ieeetr • etc... bibliographystyle{unsrt} bibliography{ref}
- 31. 31 BibTeXの書き方６ • bibtex（pbibtex）コマンドをつかってコンパイルします 1. platex → dvipdfmx でPDFを作成 • とりあえずPDFや中間ファイルを生成 2. bibtex コマンドを使って文献情報を更新 • 文献のデータベース（*.bblファイル）を自動で作成 3. もう一度 platex → dvipdfmx でPDFを作成 • *.bblファイルを元に文献情報が反映 // 1 platex root.tex platex root.tex (2回くらいやっておくと良い) // 2 pbibtex root.aux // 3 platex root.tex dvipdfmx root.dvi
- 32. 32 参考文献のルール1 ~ 書き方・表示形式 ~ • 投稿・提出先によって変わります - 学会・論文誌：投稿先の指定するフォーマットに従う - 学内発表（卒論・修論） • 大学や研究室毎の決まりに従って揃えること 例１）正式な名称で書く場合 J. Long, E. Shelhamer, and T. Darrell, “Fully convolutional networks for semantic segmentation,” in Computer Vision and Pattern Recognition, pp. 3431-3440, 2015. 例２）省略形で書く場合 J. Long, et al., “Fully convolutional networks for semantic segmentation,” in CVPR, 2015.
- 33. 33 参考文献のルール2 ~ 引用して良い文献・ダメな文献 ~ • 論文が基本 - Webページ等は引用しない - ごく稀に書籍等は引用することがある • 先輩の卒論・修論は基本ダメ • arXivは引用しない - 正式に発表されたものを引用する - arXivにしかない文献は引用可能
- 34. 34 What’s arXiv? • 物理・数学・計算機科学等のプレプリントサーバー プレプリント（preprint） 正式な論文として刊行される前の段階で主にネットに流通する論文のこと。理学系分野では http://arxiv.org に多くのプレプリントが登録されている。登録されているのは既に審査を 通って刊行予定のもの、既に刊行されているもの、審査中のもの、まだ論文誌に投稿もして いないものなど様々である。無料で迅速に研究の情報交換ができる反面、審査を通っていな いものは間違っている可能性もあり（審査員が無能だと間違ったものでも審査を通ることは あるが）、注意が必要である。 要は… 誰でも論文を公開できるサーバー 誰でも公開できるため 内容や質に対する信頼性はない 図書館情報学用語辞典より抜粋
- 35. 35 でも arXiv の論文読んでるよね • 国際会議や論文誌のプレプリントが公開されている - いち早く入手可能（会議の開催前など） - 親切な人はコメント欄に会議名等を記述（絶対ではないので注意） • 会議や論文誌を引用すること
- 37. 37 論文とは？ • 研究成果などのあるテーマについて論理的な手法で書き記した文章 - 学外で発表する国際会議原稿や論文誌 - 卒論やアブストラクト - ディスカッション資料も含まれる
- 38. 38 論文執筆の心得 • 論文の構造を理解する • ポイントは3つ - トップダウン - チャンク - 話の流れ（ストーリー） • 3つ目は割愛 論文 部・章 節 段落 文 文字（単語）
- 39. 39 1. トップダウンを意識する • 全体的な構成から順番に決定する - 章（節）構成 - 段落 - 文 • 単語（表現） 論文 部・章 節 段落 文 文字（単語）
- 41. 41 論文のチャンクは？ • どのレベルに注目するかで変わる - 論文 → 部・章（節） - 部・章（節）→ 段落 - 段落 → 文 - 文 → 文字（単語） 論文 部・章 節 段落 文 文字（単語）
- 42. 42 気をつけるべき部分 • どのレベルに注目するかで変わる - 論文 → 部・章（節） - 部・章（節）→ 段落 - 段落 → 文 - 文 → 文字（単語） 論文 部・章 節 段落 文 文字（単語） 初めて論文を書く人が考慮できてない部分
- 43. 43 学生がよくやるパターン 1. 章（節）構成を決める - ほとんどの学生ができている • 卒論を書き始めるときに決定する 2. なんとなく文章を書き始める これが間違い
- 44. 44 論文 部・章 節 段落 文 文字（単語） 理想的な順番 1. 章（節）構成を決める 2. 各節の段落を決める 3. 各段落で書く内容を決める - 1段落ごとに書く内容を一言でまとめる 4. 段落ごとに文章を書く ① ② ③ ④
- 45. 45 段落レベルのチャンク • 1段落 = 1メッセージ - 一言でその段落の内容を説明できる Attention機構は，ネットワークが抽出した特徴からどの特徴を重視するかを決定し，重み付けすることができる． Attention機構を用いた手法は，深層学習の分野における画像認識や機械翻訳において高い精度を実現している．視 覚的説明のAttention mapをAttention機構に応用した手法として，Attention Branch Network (ABN) がある．ABNは， 視覚的説明のAttention mapをAttention機構へ応用するネットワークであり，推論時における注視領域の可視化と， 画像認識の高精度化を実現している．ABNは，Attention mapによりネットワークの注視領域を可視化することが できる．しかし，ABNのAttention mapは認識する物体にAttention mapが反応しない場合がある．本研究では，人 の知見を導入したAttention機構を提案することで，ABNの高精度化と最適なAttention mapの獲得を目的とする． そのために，予備実験として誤認識したサンプルのAttention mapを修正し，ABNに与えた際の挙動を調査した． 予備実験の結果から修正したAttention mapを与えることにより認識結果の改善が可能であることを確認した．こ の結果を踏まえ，本研究では，修正したAttention mapを用いてABNをファインチューニングする手法を提案する． 提案手法では，Attention mapを手動で修正し，理想的なAttention mapを作成する．さらに，ABNの誤差関数に修 正したAttention mapとの誤差関数を追加し，ABNをファインチューニングする．この手法により，ネットワーク の応答値のみを人の知見を導入することにより正しい認識結果を誘発することができる．本稿では，1000クラス の一般物体認識用の画像で構成されたデータセットと200クラスの鳥画像で構成されたデータセットを使用して， 提案手法の有効性を確認する． とある原稿から抜粋
- 46. 46 Attention機構は，ネットワークが抽出した特徴からどの特徴を重視するかを決定し，重み付けすることができる． Attention機構を用いた手法は，深層学習の分野における画像認識や機械翻訳において高い精度を実現している．視 覚的説明のAttention mapをAttention機構に応用した手法として，Attention Branch Network (ABN) がある．ABNは， 視覚的説明のAttention mapをAttention機構へ応用するネットワークであり，推論時における注視領域の可視化と， 画像認識の高精度化を実現している．ABNは，Attention mapによりネットワークの注視領域を可視化することが できる．しかし，ABNのAttention mapは認識する物体にAttention mapが反応しない場合がある．本研究では，人 の知見を導入したAttention機構を提案することで，ABNの高精度化と最適なAttention mapの獲得を目的とする． そのために，予備実験として誤認識したサンプルのAttention mapを修正し，ABNに与えた際の挙動を調査した． 予備実験の結果から修正したAttention mapを与えることにより認識結果の改善が可能であることを確認した．こ の結果を踏まえ，本研究では，修正したAttention mapを用いてABNをファインチューニングする手法を提案する． 提案手法では，Attention mapを手動で修正し，理想的なAttention mapを作成する．さらに，ABNの誤差関数に修 正したAttention mapとの誤差関数を追加し，ABNをファインチューニングする．この手法により，ネットワーク の応答値のみを人の知見を導入することにより正しい認識結果を誘発することができる．本稿では，1000クラス の一般物体認識用の画像で構成されたデータセットと200クラスの鳥画像で構成されたデータセットを使用して， 提案手法の有効性を確認する． とある原稿から抜粋 一言で説明できない 段落レベルのチャンク • 1段落 = 1メッセージ - 一言でその段落の内容を説明できる
- 47. 47 段落修正後 Attention機構は，ネットワークが抽出した特徴からどの特徴を重視するかを決定し，重み付けすることができる． Attention機構を用いた手法は，深層学習の分野における画像認識や機械翻訳において高い精度を実現している． 視覚的説明のAttention mapをAttention機構に応用した手法として，Attention Branch Network (ABN) がある．ABN は，視覚的説明のAttention mapをAttention機構へ応用するネットワークであり，推論時における注視領域の可視 化と，画像認識の高精度化を実現している．ABNは，Attention mapによりネットワークの注視領域を可視化する ことができる． しかし，ABNのAttention mapは認識する物体にAttention mapが反応しない場合がある．本研究では，人の知見を 導入したAttention機構を提案することで，ABNの高精度化と最適なAttention mapの獲得を目的とする．そのため に，予備実験として誤認識したサンプルのAttention mapを修正し，ABNに与えた際の挙動を調査した．予備実験 の結果から修正したAttention mapを与えることにより認識結果の改善が可能であることを確認した． この結果を踏まえ，本研究では，修正したAttention mapを用いてABNをファインチューニングする手法を提案す る．提案手法では，Attention mapを手動で修正し，理想的なAttention mapを作成する．さらに，ABNの誤差関数 に修正したAttention mapとの誤差関数を追加し，ABNをファインチューニングする．この手法により，ネット ワークの応答値のみを人の知見を導入することにより正しい認識結果を誘発することができる．本稿では，1000 クラスの一般物体認識用の画像で構成されたデータセットと200クラスの鳥画像で構成されたデータセットを使用 して，提案手法の有効性を確認する．
- 48. 48 段落修正後 Attention機構は，ネットワークが抽出した特徴からどの特徴を重視するかを決定し，重み付けすることができる． Attention機構を用いた手法は，深層学習の分野における画像認識や機械翻訳において高い精度を実現している． 視覚的説明のAttention mapをAttention機構に応用した手法として，Attention Branch Network (ABN) がある．ABN は，視覚的説明のAttention mapをAttention機構へ応用するネットワークであり，推論時における注視領域の可視 化と，画像認識の高精度化を実現している．ABNは，Attention mapによりネットワークの注視領域を可視化する ことができる． しかし，ABNのAttention mapは認識する物体にAttention mapが反応しない場合がある．本研究では，人の知見を 導入したAttention機構を提案することで，ABNの高精度化と最適なAttention mapの獲得を目的とする．そのため に，予備実験として誤認識したサンプルのAttention mapを修正し，ABNに与えた際の挙動を調査した．予備実験 の結果から修正したAttention mapを与えることにより認識結果の改善が可能であることを確認した． この結果を踏まえ，本研究では，修正したAttention mapを用いてABNをファインチューニングする手法を提案す る．提案手法では，Attention mapを手動で修正し，理想的なAttention mapを作成する．さらに，ABNの誤差関数 に修正したAttention mapとの誤差関数を追加し，ABNをファインチューニングする．この手法により，ネット ワークの応答値のみを人の知見を導入することにより正しい認識結果を誘発することができる．本稿では，1000 クラスの一般物体認識用の画像で構成されたデータセットと200クラスの鳥画像で構成されたデータセットを使用 して，提案手法の有効性を確認する． Attention機構は高い性能を実現している Attention機構を用いた手法として Attention Branch Networkがある （しかし，）Attention mapが良くないと 誤認識を引き起こす可能性がある （上記の内容を踏まえて，この論文では） 手動で修正したAttention mapを用いて ABNを再学習する手法を提案する
- 49. 49 文章レベルのチャンク • 文章が冗長にならないように気をつける - 一文が長すぎる - 同じ言い回しが一文に複数存在 TD誤差に応じて行う確率分布の更新とは，TD誤差>0ならば選択した行動が予測より良かっ たことを意味し，その行動の確率を上げ，TD 誤差<0ならば選択した行動が予測より悪かっ たことを意味し，その行動の確率を下げる操作である． TD誤差に応じて行う確率分布の更新において，TD誤差>0ならば選択した行動が予測より良 かったことを意味し，その行動の確率を上げる． 一方，TD 誤差<0ならば選択した行動が予測より悪かったことを意味し，その行動の確率を 下げる． 文を短く区切る
- 50. 50 図について１ • 本文のフォントサイズを基準に作成・配置 - 大きいとバカっぽく見える • 本文のサイズと同じ or 少し小さい程度 - 論文が十分に書けてないと判断される バランスが悪い 2.5. Convolution Convolution Convolution Fully Connected Fully Connected 2.3: DQN Experience replay Experience replay Experience replay Target Q-network Target Q-network Lθ ∇ L(θi ) target DQN target θi− 1 θi− 1 target target Target Q-network Clipping rewards Clipping rewards Atari2600 + 1 0 − 1 14 ちょうど良い
- 51. 51 図について２ • 必ず本文中で引用する - Ex. 「Experience Replayの例を図2に示す．」 • 図がうまく配置されない… - 本文中に図を示したページ （or 次ページ）に配置 • figure環境を移動して配置 • hは使わない！ - （できなければ）説明不足 • 図の量に対して文章が少なすぎる • 頑張って書くしかない 4 Experience Replay ExperienceReplay , . , . , Q . 2: ExperienceReplay 4.1 Priorit izat ion Experience Replay Q , . 4.1.1 Proport ional Priorit izat ion Experience Replay Q 0 . 4.1.2 Rank-based Priorit izat ion Experience Replay ,Q . . 5 ,Deep Q-Network .
- 52. 52 全体的な論文構成のチェック • 少し縮小してページ全体を眺めてみる - 論文全体として足りない部分が見えてくる • 図の配置 • 各章の文量 • etc... あとは頑張って書くだけ
- 56. 56 スライド作りのツール • PowerPoint • Keynote • Prezi（Webベース） https://prezi.com/ja/ • LaTeX • Javascript, Jupyter 使うのはこのあたり LaTeX Jupyter
- 57. 57 PowerPointの使い方 • スライドテーマの作成 - 4:3 vs 16:9 問題 - フォント選び • スライド作成時のホームポジション • Shift・Ctrlの使い方 • グループ化を使う • 整列機能を使いこなす
- 58. 58 スライドテーマの作成 • デフォルトのテーマは使いづらい - 派手なテーマは研究に不向き • フォントが大きすぎ（小さすぎ） • テキストボックスのバランスが悪い • 使いやすいテーマを自分で作成しましょう
- 59. 59 スライドテーマを作ろう！ • 表示 → スライドマスター - テーマの作成・編集が可能 • テンプレートの編集 • スライドのサイズ • カラーテーマ • フォント • 作成したテーマを保存しよう - ファイル → テンプレートとして保存 • 「個人用」テーマから選択可能
- 60. 60 スライドのサイズ • 大きく分けて2種類存在 - 4:3 • 1枚の情報量を抑えることができる • 古いプロジェクターと相性が良い - 16:9 • 1枚に情報を詰め込むことができる • 大画面のワイドディスプレイと相性が良い 2 3 ベイ ズモデルに基づく アプローチ • 内部状態を逐次的に推定 ⎻ 過去~現在: p red ictと up d ateを繰り 返す ⎻ 未来: p redictのみを繰り 返す tim ep resen tp a st f u tu re ? 内部状態 観測 p red ict up d ate 歩行者検出・ 追跡の結果
- 61. 61 どっちを使うのがいいの？ • B4・スライド作りが下手（だと思う）人 - 4:3がおすすめ - 16:9は難しい（と思う） • スライド作りが上手い人 - どっちでも良い - 好きな方を使ってスライド作りを極めてください • 卒論・修論発表時 - みんなでどちらかに統一します - 研究室のテンプレートを活用 or 自分たちで良いテンプレートを作成してください
- 62. 62 フォント • フォント選びは重要 - スライドの見やすさが変わる • スライドのフォントはゴシック体 - Windows：メイリオ・游ゴシック - Mac：ヒラギノ角ゴ ※ 明朝体は「読む」ための文字 • 論文，新聞，書籍など ゴシック体 明朝体は可読性が高く，長い文章を書 くのに適しています．しかし，太い明 朝体はそれほど可読性が高くありませ ん．... 明朝体 明朝体は可読性が高く，長い文章を書 くのに適しています．しかし，太い明 朝体はそれほど可読性が高くありませ ん．...
- 63. 63 スライド作成時のホームポジション • 右手：マウス，左手：キーボード左下が基本 • マウスを準備してください - 安いやつでOK - マウス以外は全て非効率 左手はこのあたり→
- 64. 64 Shift・Ctrlキーの使い方 • オブジェクトを扱うときに有効 • Shiftキー（+ マウス操作） - オブジェクトのアスペクト比を固定したまま拡大縮小 - 高さ・横の位置を固定したまま移動 • Ctrlキー（+ マウス操作） - オブジェクトの中心部分を固定して拡大縮小 - 同じオブジェクトを複製して移動 • Shift + Ctrlキー（+ マウス操作） - 上記の機能の組み合わせ
- 66. 66 グループ化２ • 複数オブジェクトをまとめる - まとめたいオブジェクトを選択して”Ctrl + g” • Mac：”Ctrl + Option + g”
- 67. 67 • 複数オブジェクトをまとめる - まとめたいオブジェクトを選択して”Ctrl + g” • Mac：”Ctrl + Option + g” グループ化２ 一つのオブジェクトとして操作可能
- 69. 69 整列機能 • 選択したオブジェクトを自動で整頓してくれます - 整列 → 整列 → 色々な操作 • 〇〇揃え • 指定した基準でオブジェクトを • 揃えてくれます • 単一オブジェクト選択時は • 画面に対して整列 • 〇〇に整列 - 等間隔に並べてくれます
- 70. 70 その他のポイント1 ~保存の重要性~ • PowerPointは突然落ちる事があります - 画像や動画を貼り付けるとメモリを消費するため - 数時間かけて作った資料が消滅します… • 少しでも変更したらすぐ保存！ - Windows：Ctrl + S - Mac：Command + S
- 71. 71 その他のポイント2 ~角丸四角形~ • オブジェクトのサイズで角の丸みが変わります - 丸みが強いとダサく見える - 調整は必須 • 面倒なら使わない方が良い 小さい時 大きい時
- 72. 72 その他のポイント3 ~非表示スライド~ • 非表示スライドは使わない - スライドは表示されないがページ番号は残る • Keynoteだとページ番号も自動で変化 - 使わないスライドは後ろへ移動
- 73. 73 その他のポイント4 ~セクション機能~ • スライドをセクションで分ける事ができます - 長い発表スライドを作成するときに便利です • 短いスライド（卒論・修論）には不要
- 75. 75 卒論発表・学会発表 • 自分の研究内容を理解してもらう必要がある - 卒論：教員はその内容によって卒業の可否を決定 - 学会：世の中に知ってほしい（使ってほしい）
- 77. 77 なぜ研究発表スライドを作るのか？ • 話だけで理解してもらうことは本当に難しい - S. Jobsですらスライドを活用している • 何度もリハーサルを繰り返していたらしい • 研究内容のプレゼンはもっと難しい - 言葉だけで研究の全てが伝わるはずもない 有象無象にスライド無しのプレゼンは無理 自分の発表を楽にするためにスライドを作る
- 78. 78 スライド作りの心得 • 1スライド・1メッセージ • スライド全体 - 話の流れを決める • 各スライド作成のポイント - タイトル - 文章 - 図・表
- 79. 79 1スライド・1メッセージ • 2つ以上のメッセージがあると混乱する - 1メッセージに絞り込む タイトル 研究背景 問題設定 従来手法 従来手法の問題点 研究目的
- 80. 80 学生がよくやるパターン ~スライド編~ 1. PowerPointを起動する - テーマを作成する - Etc… 1. 1枚ずつ丁寧にスライドを作成 これが間違い
- 81. 81 理想的なスライド作成の流れ（平川式） 1. PowerPointを起動する 2. 話の流れを決める - キースライドを意識 - 階層的に流れを決める 3. 1枚ずつ作成
- 82. 82 話の流れを決める1 • タイトルのみを記入して一通り作ってみる - 全体の構成・流れを整理 • 「流れが悪い！」と言われにくくなります どうやって流れを作るのか？
- 83. 83 話の流れを決める２ • キースライドを意識する - 話の節目になるスライドのこと • 平川が勝手に読んでるだけ • 研究発表の場合のキースライド - 1枚目のスライド • タイトルに表示するスライド - 研究目的 - 実験の1枚目のスライド - まとめ
- 84. 84 キースライド1 • 1枚目のスライド - これからどんな話をするのか決定 - ここを間違うと • 上手く話ができない • ストーリーが組み立てられない動画像 オプティ カ ルフ ロー • カ メ ラ やセンサ等の情報から 動作を認識する技術 • 骨格データ をグラ フ 構造で表現 ‒ ノ ード : 関節座標 ‒ エッ ジ : 関節間の関係 2 骨格データ : ノ ード : エッ ジ Walking Sitting Jumping 動作認識 本研究の目的 • 動作ク ラ ス特有の接続パタ ーンを考慮し た動作認識 • 提案手法 ‒ 各動作ク ラ スの最適な接続パタ ーンを自動で獲得する手法 • マルチタ スク ラ ーニングの導入 • グラ フ 畳み込み処理に重み行列 の追加 • 隣接行列の更新 7 • 研究目的 ⎻ なぜその研究をするのかを説明 ⎻ このスライドが無いと • 何をした研究なのか分からない
- 85. 85 まと め • 動作ク ラ ス特有の接続パタ ーンを考慮し た動作認識手法 ‒ ST-GCNと 比較し て全ての動作ク ラ スで精度向上 • 認識率の平均が約5 .4 ポイ ント 向上 ‒ 動作ク ラ ス特有の接続パタ ーンを獲得 • 今後の予定 ‒ 他の動作ク ラ スによる実験 ‒ 動作ク ラ ス毎の最適なエッ ジ数を獲得可能な学習方法 21 実験概要 • 提案手法の認識率を評価 ‒ 比較対象 • ST-GCN • 各ク ラ スに関する2 ク ラ ス分類 • データ セッ ト ‒ NTU-RGB+ D(6 0 ク ラ ス) • 関節数 : 2 5 • 3 次元関節座標 • 3 つの行動ク ラ ス(投げる, 蹴る, ジャ ンプ)のみ評価 • サンプル数 ‒ 学習 : 2 ,0 1 0 ‒ 検証 : 8 3 0 17 キースライド２ • 実験の1枚目 - 手法と実験の境界部分 - これが分かりづらいと • 手法と実験の話の切り替わりが不明 • 聴衆が混乱する • まとめ ⎻ どんな発表だったかを紹介 ⎻ このスライドが無いと • 発表の終わりがわからない • どんな発表だったかを思い出せない
- 86. 86 スライド全体の構成 • キースライドを軸に間を埋めていく ? まと め • 動作ク ラ ス特有の接続パタ ーンを考慮し た動作認識手法 ‒ ST-GCNと 比較し て全ての動作ク ラ スで精度向上 • 認識率の平均が約5 .4 ポイ ント 向上 ‒ 動作ク ラ ス特有の接続パタ ーンを獲得 • 今後の予定 ‒ 他の動作ク ラ スによる実験 ‒ 動作ク ラ ス毎の最適なエッ ジ数を獲得可能な学習方法 21 実験概要 • 提案手法の認識率を評価 ‒ 比較対象 • ST-GCN • 各ク ラ スに関する2 ク ラ ス分類 • データ セッ ト ‒ NTU-RGB+ D(6 0 ク ラ ス) • 関節数 : 2 5 • 3 次元関節座標 • 3 つの行動ク ラ ス(投げる, 蹴る, ジャ ンプ)のみ評価 • サンプル数 ‒ 学習 : 2 ,0 1 0 ‒ 検証 : 8 3 0 17 動画像 オプティ カ ルフ ロー • カ メ ラ やセンサ等の情報から 動作を認識する技術 • 骨格データ をグラ フ 構造で表現 ‒ ノ ード : 関節座標 ‒ エッ ジ : 関節間の関係 2 骨格データ : ノ ード : エッ ジ Walking Sitting Jumping 動作認識 本研究の目的 • 動作ク ラ ス特有の接続パタ ーンを考慮し た動作認識 • 提案手法 ‒ 各動作ク ラ スの最適な接続パタ ーンを自動で獲得する手法 • マルチタ スク ラ ーニングの導入 • グラ フ 畳み込み処理に重み行列 の追加 • 隣接行列の更新 7 ?? タイトル 研究目的1枚目 まとめ実験
- 87. 87 1枚目 ~ 研究目的 • 「なぜそんな研究をする必要があるのか？」を説明 - 従来手法の説明 → 問題点 → 研究目的 従来手法の問題点 • 人間の骨格の接続パタ ーンで畳み込み処理 ‒ 隣接し ていないノ ード の関係が考慮さ れにく い ‒ 動作ごと に異なるノ ード の関係を考慮でき ない • 投げる : 右腕と 左脚 • ジャ ンプ : 体全体 6 動画像 オプティ カ ルフ ロー • カ メ ラ やセンサ等の情報から 動作を認識する技術 • 骨格データ をグラ フ 構造で表現 ‒ ノ ード : 関節座標 ‒ エッ ジ : 関節間の関係 2 骨格データ : ノ ード : エッ ジ Walking Sitting Jumping 動作認識 本研究の目的 • 動作ク ラ ス特有の接続パタ ーンを考慮し た動作認識 • 提案手法 ‒ 各動作ク ラ スの最適な接続パタ ーンを自動で獲得する手法 • マルチタ スク ラ ーニングの導入 • グラ フ 畳み込み処理に重み行列 の追加 • 隣接行列の更新 7 • ST-GCN [Sijie+ , 2 0 1 8 ] ‒ グラ フ 構造 • ノ ード : 関節座標 • 空間グラ フ : 同一フ レ ーム内の近傍の関節を接続するグラ フ • 時間グラ フ : フ レ ーム間における同一関節を接続するグラ フ ‒ 空間グラ フ と 時間グラ フ を考慮するこ と で高精度化 5 GCN を用いた動作認識の従来手法 • グラ フ 畳み込み処理を導入し たニュ ーラ ルネッ ト ワーク ‒ グラ フ 畳み込み処理 • グラ フ 構造を入力 • 隣接ノ ード と 重みを掛け総和を取る処理 3 Gra p h Co n vo lu tio n a l N etw o rk s (GCN ) • 隣接行列 ‒ グラ フ 構造の接続関係を示す行列 • 隣接行列を用いてグラ フ 畳み込み処理を定義 ‒ 接続さ れたノ ード と 畳み込み処理 グラ フ 畳み込み処理 4 1 1 1 1 1 1 0 0 1 0 1 1 1 0 1 1 : 正規化さ れた隣接行列 : 重み行列 : グラ フ 畳み込み処理の出力 : グラ フ の各ノ ード の特徴 A C B D 1 1 1 1 1 1 0 0 1 0 1 1 1 0 1 1 1 1 1 1 1 1 0 0 1 0 1 1 1 0 1 1 1 1 1 1 1 1 0 0 1 0 1 1 1 0 1 1
- 88. 88 研究目的 ~ 実験の1枚目 • 自分がやったこと（考えたこと）について説明 - 基本的には提案手法 • マルチタ スク ラ ーニングにより 各ク ラ スの特徴を獲得 • 隣接行列 ‒ 共有部分， 各タ スク 部分で独立 8 提案手法 重み行列 の追加 • グラ フ 畳み込み処理に重み行列 を追加 ‒ 隣接行列と 要素積 • 各エッ ジに重みを付与 11 : ノ ード 数 初期値 : 正規化さ れた隣接行列 : 重み行列 : グラ フ 畳み込み処理の出力 : グラ フ の各ノ ード の特徴 : 要素積 本研究の目的 • 動作ク ラ ス特有の接続パタ ーンを考慮し た動作認識 • 提案手法 ‒ 各動作ク ラ スの最適な接続パタ ーンを自動で獲得する手法 • マルチタ スク ラ ーニングの導入 • グラ フ 畳み込み処理に重み行列 の追加 • 隣接行列の更新 7 最適な接続パタ ーンの獲得 • 隣接行列の更新を繰り 返し 行いエッ ジを徐々に削減 ‒ より 重要なエッ ジのみを残す 16 更新 更新 更新 隣接行列の更新 • 動作ク ラ ス特有の接続パタ ーンを獲得するために更新 ‒ 隣接行列の初期値は全て1 • 更新方法 ‒ 重み行列 の値から 重みの大き い上位 本のエッ ジに限定 • 隣接行列の対角成分は常に1 13 A B C D A B C D A B C D A B C D 隣接行列重み行列 グラ フ DA CB 実験概要 • 提案手法の認識率を評価 ‒ 比較対象 • ST-GCN • 各ク ラ スに関する2 ク ラ ス分類 • データ セッ ト ‒ NTU-RGB+ D(6 0 ク ラ ス) • 関節数 : 2 5 • 3 次元関節座標 • 3 つの行動ク ラ ス(投げる, 蹴る, ジャ ンプ)のみ評価 • サンプル数 ‒ 学習 : 2 ,0 1 0 ‒ 検証 : 8 3 0 17
- 89. 89 実験の1枚目 ~ まとめ • 自分が行った実験について説明 - どんな実験を行ったか（実験設定） - どんな結果が得られたか（実験結果） 学習条件 • 学習回数 : 1 0 0 epoch • 隣接行列の更新 ‒ 各タ スク 部分 • 4 0 , 5 0 , 6 0 , 7 0 ep och目で隣接行列の更新 • 7 0 ep och目のエッ ジ数 : 6 0 ‒ 共有部分 • 隣接行列の更新なし 1840epoch 50epoch 60epoch 70epoch まと め • 動作ク ラ ス特有の接続パタ ーンを考慮し た動作認識手法 ‒ ST-GCNと 比較し て全ての動作ク ラ スで精度向上 • 認識率の平均が約5 .4 ポイ ント 向上 ‒ 動作ク ラ ス特有の接続パタ ーンを獲得 • 今後の予定 ‒ 他の動作ク ラ スによる実験 ‒ 動作ク ラ ス毎の最適なエッ ジ数を獲得可能な学習方法 21 • 動き が激し いノ ード にエッ ジが集中 ‒ 動作ク ラ ス特有の接続パタ ーンを獲得 接続パタ ーンの可視化 20 投げる 蹴る ジャ ンプ 共有部分クラス 実験結果 19 ST-GCN 8 6 .9 1 9 0 .9 4 9 9 .6 3 9 2 .4 9 2 ク ラ ス分類 8 8 .3 6 9 0 .7 6 9 9 .0 9 9 2 .7 4 提案手法 提案手法により 精度向上 ST-GCNより 平均が約5.4ポイ ント 向上 +9.95 +6.04 +0.11 +5.37 実験概要 • 提案手法の認識率を評価 ‒ 比較対象 • ST-GCN • 各ク ラ スに関する2 ク ラ ス分類 • データ セッ ト ‒ NTU-RGB+ D(6 0 ク ラ ス) • 関節数 : 2 5 • 3 次元関節座標 • 3 つの行動ク ラ ス(投げる, 蹴る, ジャ ンプ)のみ評価 • サンプル数 ‒ 学習 : 2 ,0 1 0 ‒ 検証 : 8 3 0 17
- 90. 90 各スライド作成のポイント ~ タイトル ~ • そのスライドのメッセージを端的に - 意味のないタイトルをつけない • 意味のないタイトル = 意味のないスライド • 無駄 - 同じタイトルのスライドは作成しない • スライドが変わればメッセージも変わるはず
- 91. 91 各スライドの作成のポイント ~ 本文 ~ • 長い文章を書かない - スライドは「見るもの」 • 読むものではない • 1行に収める - 基本的に体言止め - 長い単語がある場合は2行になっても仕方ない • Ex. セマンティックセグメンテーション
- 92. 92 各スライドの作成のポイント ~図・表の配置1~ • 聴衆は上から下へスライドを見る - 一番見せたいものから上に配置 - 話の流れに沿って上から配置 • Gradient Reversal Layer(GRL)を導入したDCNN – GRL：逆伝播時の勾配に負のスカラー値(−λ) を乗算 • SourceとTargetの違いを吸収するネットワークを学習 特徴抽出器 ラ ベル予測器 Loss L 𝑦 ド メ イ ン分類器 Loss 𝐿 𝑑 Source sample Target sample 𝜕L 𝑑 𝜕𝜃 𝑑 𝜕L 𝑦 𝜕𝜃𝑦 𝜕L 𝑦 𝜕𝜃𝑓 −λ 𝜕L 𝑑 𝜕𝜃𝑓 𝜃𝑓：特徴抽出器のパラメータ 𝜃𝑦 ：ラベル予測器のパラメータ 𝜃 𝑑：ドメイン分類器のパラメータ 4 Domain Adversarial Neural Networks(DANN) [Y.Ganin 𝑒𝑡 𝑎𝑙. , ICML’15 ] 認識精度比較 15 Targetドメイン及び評価ドメインにおいて認識精度が向上 手法 Source[%] Target[%] 評価[%] DCNN DANN 提案手法 98.6 98.2 99.4 82.8 92.8 98.1 +5.3% 81.8 89.5 92.0 +2.5%
- 93. 93 各スライドの作成のポイント ~図・表の配置2~ • サイズを小さく（大きく）しすぎない - 文字が読めるくらい • 小さい場合：見えない • 大きい場合：頭悪そう • 空白に上下左右中央寄せ 要はバランス
- 94. 94 補足：文献情報の記述の仕方 • 手法名の横に小さく表示 • 書き方は複数存在 - [(第一著者の姓), (et al. or +), (学会名) (発表年)] • [Jaderberg, et al., 2017] • [Jaderberg, et al., ICLR2017] • [Jaderberg+, 2017] • [Jaderberg+, ICLR2017] • etc... • 補助タ スク をメ イ ンタ スク と 並列に実行する手法 ‒ Pixel Control • 画素値が大き く 変化する行動を学習 ‒ Value Function Replay • 経験をシャ ッ フ ルし ， 状態価値関数を学習 ‒ Reward Prediction • 未来の報酬を予測 3 U N R EA L [Jaderberg+, ICLR2017] Environm ent Replay Buffer Conv Conv FC LSTM Last rew ard Last action FC V DeConv Adv DeConv 0 + - Skewed sampling main task Pixel Control Value Function Replay Reward Prediction Environm ent Replay Buffer Conv. Conv. FC LSTM Last rew ard Last action FC V DeConv Adv DeConv 0 + - ↑おすすめ
- 95. 95 よく見るダメなスライド • タイトルが「研究背景」とか - 見りゃわかる - その背景の内容を表すタイトルが欲しい • 内容が箇条書き1, 2個だけのスライド - そんなものはスライドにする必要はない - 説明が足りてない - スライドの構成が悪い（話の流れを決める段階に戻って再検討） • 図のアスペクト比がおかしい・位置がずれている - 全部指摘されます（空気が悪くなる） - Ctrl, Shiftキー・整列機能を活用して綺麗に配置する
- 96. 96 まとめ • 卒論執筆・スライド作成のポイントについて紹介 - LaTeXの使い方 • 環境構築 • 図・表の配置 • 参考文献の書き方 - 卒論執筆 • トップダウン • チャンク - PowerPointの使い方 • スライドテーマの作成 • 各種操作方法 - スライド作成 • 1スライド=1メッセージ • キースライド
- 97. 97 役立ちそうなWebページ • LaTeXコマンド集 http://www.latex-cmd.com/ • 伝わるデザイン 研究発表のユニバーサルデザイン http://tsutawarudesign.com/ • the power of powerpoint http://thepopp.com/