作者：TechLive留日理工同好会·堺塾理工系
在面临联系国外导师这一环节时，一定有很多问号：自己的专业之后究竟适合什么进修的方向？做这个方向的教授与研究室有哪些？该方向究竟能做什么？我该怎么了解学习等等。
堺塾·理工系团队将选择日本情报工学名校，总结各学校 情报理工 / 机械工学 / 电子电气/ 空间信息 等 几大专业类别下，聚焦 自然语言处理/ 计算机视觉/ 机器人/IOT/生物信息 等热门研究方向的研究室，详细解读其研究内容，研究课题和研究动向。
本篇为涵盖 自然语言处理和计算机视觉 在内的机器学习相关方向，列举了11个典型研究室以供同学们了解参考，后续将加速更新。感兴趣的小伙伴欢迎留言，我们会根据留言调整后续介绍顺序。
✦✦
01
东京大学 情报理工研究科
电子情报学专攻
喜連川研究室 ： 数据库，自然语言处理
喜連川教授是日本数据库科学，网络技术，自然语言处理等领域泰斗级人物。研究室方向主要包括高性能数据库处理，数据挖掘及可视化，数理统计分析，自然语言处理，机器学习等。
http://www.tkl.iis.u-tokyo.ac.jp/new/?lang=ja
研究课题 ：
超大规模数据时代的高级数据库核心技术研究；用于超大规模网络空间和现实世界数据的交互式分析系统；自然语言处理/计算语言学：解析人类的心理认知及社会的运动模式等。
研究内容 （以超大规模数据时代的高级数据库核心技术研究课题为例）：
致力于创建新的数据库核心技术，以实现超大规模数据时代所需的高速，节能等目标。在主要关注系统软件（例如数据库系统，存储系统和操作系统）的同时，还尝试将其与高级应用程序软件集成。近年来，已经成功开发了超高速数据库引擎，并逐渐在社会上的各个地方投入实际使用。
最新论文（近3篇） ：
1. R. Uday Kiran, P. P. C. Reddy, Koji Zettsu, Masashi Toyoda, Masaru Kitsuregawa, P. Krishna Reddy. Efficient Discovery of Weighted Frequent Neighborhood Itemsets in Very Large Spatiotemporal Databases. IEEE ACCESS, 8, 27584-27596, 2020.03
2. Hideki Hashimoto , Makoto Saito, Jumpei Sato, Kazuo Goda, Naohiro Mitsutake, Masaru Kitsuregawa, Ryozo Nagai, Shuji Hatakeyama. Indications and classes of outpatient antibiotic prescriptions in Japan: A descriptive study using the national database of electronic health insurance claims, 2012-2015. International Journal of Infectious Diseases, 91, 1-8, 2019.11
3. R. Uday Kiran, T. Yashwanth Reddy, Philippe Fournier-Viger, Masashi Toyoda, P. Krishna Reddy, Masaru Kitsuregawa. Efficiently Finding High Utility-Frequent Itemsets Using Cutoff and Suffix Utility. PAKDD, 191-203, 2019.04
佐藤研究室：计算机视觉
佐藤教授贵为日本计算机视觉领域的大咖，谷歌学术应用量上万，投稿于tpami、cvpr等顶级刊物及会议的佳作层出不穷。研究课题涉及了计算机视觉的多个领域，如模式识别、超分等。
https://www.ut-vision.org/ja/sato-lab/
研究课题 ：
实时指尖跟踪和手势识别；基于色彩和谐度的照片审美质量分类；基于第一人称运动视频的快速无监督自我行为学习等。
研究内容 ：
专注于研究计算机视觉，致力于测量和理解人类行为，以及建模和理解物体和场景的模式及外观。如第一人称视觉；基于物理模型的计算机计算机视觉；照明与反射性模型等。
最新论文（近3篇） ：
1. Yifei Huang, Yusuke Sugano, Yoichi Sato. Improving Action Segmentation via Graph Based Temporal Reasoning. Proceedings of the 2020 Conference on Computer Vision and Pattern Recognition (CVPR 2020)
2. Yifei Huang, Minjie Cai, Yoichi Sato.An ego-vision system for discovering human joint attention. IEEE Transactions on Human-Machine Systems (THMS)
3. Hiroaki Santo, Michael Waechter, Wen-Yan Lin, Yusuke Sugano, Yasuyuki Matsushita.Light Structure from Pin Motion: Geometric Point Light Source Calibration. International Journal of Computer Vision
✦✦
02
东京大学 新领域创成科学研究科
复杂理工专攻
杉山研究室
研究室主页：http://www.ms.k.u-tokyo.ac.jp/index-jp.html#Sugiyama
随着信息和通信技术性能的显着提高，以前只能由人类进行的智能信息处理，现在通过计算机处理正在变为可能。在杉山实验室，我们以“计算机可以有多智能”为主题，致力于与人工智能领域机器学习的智能数据处理技术相关的各种研究课题。
建立学习理论
泛化是对尚未学习的未知情况做出反应的能力，对于计算机的智能行为至关重要。在杉山研究室，主要基于概率论和统计学，从理论上探索泛化能力获得的机制。
学习算法的开发
机器学习领域有，从成对的输入和输出数据中学习的监督学习，从仅输入数据中学习的无监督学习，以及旨在通过与环境交互获得最佳行为规则的强化学习。在杉山研究室，正在开发具有理论支持的高度实用的机器学习算法。
机器学习技术的实际应用
随着互联网和传感器技术的发展和普及，文档、语音、图像、视频、电子商务、电力、医疗、生活等工程和基础科学的各个场景中都变得能够收集大量的数据。在杉山研究室，正在与国内外公司和研究机构合作，通过充分利用最新的机器学习算法来解决现实世界中的难题。
指导教授
杉山将 教授
个人主页http://www.ms.k.u-tokyo.ac.jp/sugi/index-jp.html
横矢研究室
研究室主页：http://www.ms.k.u-tokyo.ac.jp/index-jp.html#Yokoya
在横屋实验室，我们正在进行基于机器学习和计算机视觉的计算成像和图像分析的图像处理研究。特别是，横矢研究室致力于从安装在卫星和飞机上的传感器获得的遥感图像中自动提取地图信息（如土地覆盖和高程模型）的智能信息处理研究。
计算成像
计算成像集传感与计算于一体，能够获取仅靠硬件无法获取的信息，克服分辨率、噪声等硬件限制。基于机器学习、优化和信号处理，横矢研究室致力于数学模型的构建和算法的开发，以从不完整的观测数据中恢复原始信号。
遥感影像分析
虽然通过遥感可以观察到人们无法到达的地方，但由于实地调查和目视解译的限制，很难收集到足够的学习数据。横矢研究室正在通过使用来自模拟的合成数据和具有低收集成本的不准确标签作为学习数据来进行地图创建和 3D 重建。同时也在进行基于深度学习的数据融合研究，以便以集成的方式处理每颗卫星的不同传感器获得的多模态数据。
迈向可持续的未来
横矢研究室正在推动解决环境问题、气候变化、大规模自然灾害和粮食问题等全球性问题的项目。与日本国内外的相关组织和研究人员合作，通过解决实际问题，例如掌握灾害发生时的建筑物损坏情况，估算森林的生物量和碳储量，以及为每种作物制作土地覆盖图等，以实现 SDGs。横矢研究室的目标是为全球做出贡献。
指导教师
横矢直人 讲师
个人主页：https://naotoyokoya.com/
小林研究室
生活和社会系统是许多元素相互作用的复杂系统。小林研究室旨在通过技术的发展来了解生活和社会现象，以分析从复杂系统和数学建模中获得的时间序列数据。小林研究室正在围绕以下三个主题进行研究。
事件时间序列分析
事件时间序列是关于事件发生时间的数据，是一种出现在互联网、金融市场、大脑等各个领域的新型时间序列数据。小林研究室正在开发事件时间序列数据分析技术，并将其应用于神经科学和互联网数据分析。
计算神经科学
随着测量技术的巨大进步，已经可以长时间测量许多神经元（神经细胞）的信号。小林研究室正在开发一种分析从神经元测量的尖峰信号的方法并进行研究，以对大脑的一部分（神经回路）进行数学建模和分析。
网络科学
随着智能手机的普及，互联网正在成为我们生活中不可或缺的一部分。通过从网络上收集大规模数据并建立数学模型，了解人们在网上的行为和心理行为，理解恶作剧的传播和焚烧等社会问题的发生机制。
研究课题 ：
【时间序列建模与数据分析技术】
开发数据分析技术，以了解其背后的机制，并根据从生活和社会等各种系统测量的时间序列数据预测未来活动。关键词有：事件时间序列 (Point Process) 、时间序列分析、机器学习等。
【计算社会科学】
通过数学模型和数据分析阐明人们在网络空间中的行为和心理机制。关键词；信息传播、燃烧、意见形成 (Opinion Dynamics) 等。
【计算神经科学】
通过数学模型、数据分析以及与实验研究人员的联合研究，阐明大脑中的信息处理机制。关键词：神经细胞和神经回路的信息处理、学习、代谢能量等。
指导教授
小林亮太 准教授
个人主页：http://www.hk.k.u-tokyo.ac.jp/r-koba/index.html
个人信息：
- 研究内容：数学，统计和数据相关研究
- 正在努力认识海外研究人员
- 认为自己比较年轻，健康
- 吃货，并且喜欢喝酒
- 喜欢有趣的东西。
✦✦
03
京都大学 情報学研究科
智能情報学专攻
森信介实验室 ： 媒体应用（メディア応用）
实验室从事自然语言及其与其他媒介融合应用方面的最前沿研究。具体研究包括了解和生成程序文件，能分析和预测结果的计算机，基础文本内容解析等。
http://www.ar.media.kyoto-u.ac.jp/
研究课题 ：
自然语言处理，语言理解，语言生成，语言知识获取。
最新论文（近3篇） ：
1. Funaki, Ruka, Yusuke Nagata, Kohei Suenaga, and Shinsuke Mori. "A Contract Corpus for Recognizing Rights and Obligations." In Proceedings of The 12th Language Resources and Evaluation Conference, pp. 2045-2053. 2020.
2. Nishimura, Taichi, Suzushi Tomori, Hayato Hashimoto, Atsushi Hashimoto, Yoko Yamakata, Jun Harashima, Yoshitaka Ushiku, and Shinsuke Mori. "Visual Grounding Annotation of Recipe Flow Graph." In Proceedings of The 12th Language Resources and Evaluation Conference, pp. 4275-4284. 2020.
3. Kameko, Hirotaka, and Shinsuke Mori. "Annotating Event Appearance for Japanese Chess Commentary Corpus." In Proceedings of The 12th Language Resources and Evaluation Conference, pp. 4302-4308. 2020.
西野恒实验室：智能媒体（知能メディア）
据悉，用于视觉的神经基质占据了大脑皮层的约40％。实现计算机视觉的真正智能感知是人工智能的基础，也将有助于我们对人类视觉智能的理解。在计算视觉智能方面，实验室的研究重点是建立计算方法的理论基础，开发新颖的计算成像系统，并将其有效应用，以更好地从图像和视频中理解人物，物体和场景。
https://vision.ist.i.kyoto-u.ac.jp/
研究课题 ：
计算机视觉，机器学习，模式识别，智能视觉。
最新论文（近3篇） ：
1. Kawahara, Ryo, Meng-Yu Kuo, Shohei Nobuhara, and Ko Nishino. "Appearance and Shape from Water Reflection." In The IEEE Winter Conference on Applications of Computer Vision, pp. 128-136. 2020.
2. Nishino, Ko, Art Subpa-Asa, Yuta Asano, Mihoko Shimano, and Imari Sato. "Variable Ring Light Imaging: Capturing Transient Subsurface Scattering with An Ordinary Camera." In Proceedings of the European Conference on Computer Vision (ECCV), pp. 598-613. 2018.
3. Shimano, Mihoko, Hiroki Okawa, Yuta Asano, Ryoma Bise, Ko Nishino, and Imari Sato. "Wetness and color from a single multispectral image." In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 3967-3975. 2017.
✦✦
04
大阪大学 情报科学研究科
コンピュータサイエンス専攻
長原一：智能传感实验室
实验室以大阪大学智能信息数据能力部门（データビリティフロンティア機構）为基础开展项目工作，使人们能受益于与计算机和数据科学相关的技术。
研究如 PM2.5单细颗粒大数据分析方法的开发，多语言机器翻译，全组织细胞成像，医学图像诊断 。
https://www.is.ids.osaka-u.ac.jp/ja/#about
研究课题 ：
计算机视觉，计算摄影，自然语言处理，模式识别与机器学习
最新论文（近3篇） ：
1. Xu, Yichao, Hajime Nagahara, Atsushi Shimada, and Rin-ichiro Taniguchi. "TransCut2: Transparent Object Segmentation From a Light-Field Image." IEEE Transactions on Computational Imaging 5, no. 3 (2019): 465-477.
2.Ma, Chao, Atsushi Shimada, Hideaki Uchiyama, Hajime Nagahara, and Rin-ichiro Taniguchi. "Fall detection using optical level anonymous image sensing system." Optics & Laser Technology 110 (2019): 44-61.
3.Ma, Chao, Ngo Thanh Trung, Hideaki Uchiyama, Hajime Nagahara, Atsushi Shimada, and Rin-ichiro Taniguchi. "Adapting local features for face detection in thermal image." Sensors 17, no. 12 (2017): 2741.
八木 康史：智能媒体系统实验室
实验室致力于 计算机视觉和视频媒体处理 的研究工作，从传感器开发等基本技术到为机器人提供高级视觉功能的智能系统的开发都有广泛的主题。
具体包含 360度全方位视觉传感器，基于内窥镜图像的医学图像处理，基于人类行走的模式识别和意图/情感估计，反射特性的测量，可穿戴式设备，基于近红外光的人体测量，3D形状测量技术 等。
http://www.am.sanken.osaka-u.ac.jp/index-jp.html
研究课题 ：
计算机视觉，姿态检测，医疗健康管理，生物图像，计算摄影
最新论文（近3篇） ：
1. Sakata, Atsuya, Yasushi Makihara, Noriko Takemura, Daigo Muramatsu, and Yasushi Yagi. "How Confident Are You in Your Estimate of a Human Age? Uncertainty-aware Gait-based Age Estimation by Label Distribution Learning." In IEEE International Joint Conference on Biometrics. 2020.
2.Xu, Chi, Yasushi Makihara, Xiang Li, Yasushi Yagi, and Jianfeng Lu. "Gait Recognition from a Single Image using a Phase-Aware Gait Cycle Reconstruction Network." In The 16th European Conference on Computer Vision (ECCV). 2020.
3. Abdu-Aguye, Mubarak G., Walid Gomaa, Yasushi Makihara, and Yasushi Yagi. "Adaptive Pooling Is All You Need: An Empirical Study on Hyperparameter-insensitive Human Action Recognition Using Wearable Sensors." In 2020 International Joint Conference on Neural Networks (IJCNN), pp. 1-6. IEEE, 2020.
✦✦
05
筑波大学 情报理工学
コンピュータビジョン研究室
研究室主页：
https://home.cvlab.cs.tsukuba.ac.jp/
研究室成员：
教授：1名
助教：1名
博士：9名
修士：11名
研究项目 ：
コンピュータビジョン研究室将构建一个识别和理解面部、手势、动作、情境等的智能系统，并研究支持它的机器学习/模式识别和深度学习。同时还在计算机视觉、计算机图形学和融合领域进行研究。在上述大纲中，您可以根据自己的兴趣和素质设置从应用研究到基础研究的广泛主题。每年都有3到5名校外的人不断地进入コンピュータビジョン研究室。对コンピュータビジョン研究室的研究感兴趣的同学，请联系福井教授或飯塚助教。
从工程实用性的角度来看，福井教授的研究小组旨在以均衡的方式研究模式识别、机器学习和计算机视觉相关的从理论到实践的研究。具体课题将按照上述大纲，综合考虑每个人的兴趣和能力、理论和应用之间的平衡来确定。例如，可以进行以下主题设置。
- 创新模式识别/机器学习理论研究：从数学方面研究基于子空间的模式识别
- 人脸检测与识别研究：使用多视点图像以高精度和稳定性检测和识别人脸的算法。
- 人体动作识别研究：使用位置不变量和多视点运动图像以高精度识别运动的方法。以及不受头部运动影响的人脸方向/视线检测原理以及使用它的界面。
- 机器人视觉研究：机器人如何使用运动图像和多视点图像检测和识别人及其周围环境。
- 深度学习与统计判别的融合：通过提高深度学习的可读性和判别性能，以及深度学习获得的特征提取和统计判别方法的最佳组合来构建一个框架。
- 基于仿真的系统学习方法：研究如何使用 CG 图像训练图像识别系统。这种方法被称为 “模拟驱动模式识别”。
- 生物图像处理：一种使用分辨率过滤器使用强大的特征提取和识别方法（统计识别方法、深度学习）对生物图像进行高精度分析和识别的方法。
機械学習・データマイニング研究室
研究室主页：
https://www.mdl.cs.tsukuba.ac.jp/ja/index.html
研究室成员：
教员：3名
博士：4名
修士：4名
本科：3名
研究项目：
- AI安全隐私
机器学习技术发展迅速，据说它的能力最终会超过人类的认知能力和判断能力，在不久的将来，人类专家的判断和决策将取代基于大量数据的机器学习。为了让机器学习做出重要决策（例如自动医疗、管理决策、政策决策等），它类似于人类专家做出的决策，
- AI在学习/预测中不会泄露个人信息和机密信息，
- 人工智能预测和决定不会被任意操纵以做出有利于特定人的决定，
- AI 不会做出不道德或歧视性的预测或决定
等。機械学習・データマイニング研究室正在对人工智能和机器学习算法的安全性和隐私性进行研究，例如以下内容：
1. 从用于图像识别的深度学习模型中学习图像重建
一般来说，识别图像的深度学习模型是将表示为高维向量的图像转换为高度抽象的低维特征向量进行预测和识别。因此，深度学习模型是从图像中给出识别结果, 但从识别结果中恢复原始图像似乎是不可能的。在本研究中，我们已经证明了用于训练深度学习模型的图像可以使用网络的概念来重构。这个结果表明，当使用个人信息和机密信息训练深度学习模型时，深度学习模型本身就表明存在用于学习的个人信息和机密信息的风险。下图是一个人脸识别模型重建人脸图像的例子。从深度学习模型重建学习图像用于人脸图像识别，上面一行是基努里维斯人脸图像重建的例子，下面一行是布拉德皮特。
2. 恶意软件分析支持
分析恶意软件的静态功能是一项费力的工作，需要大量人力。在本研究中，恶意软件的特点是对恶意软件的可执行文件进行成像，并使用具有注意力机制的深度学习模型对其进行训练。通过可视化可执行文件上的部分，可以有效地支持恶意软件的静态功能分析。
3. 抑制人工智能决策造成的歧视
在做出有关信贷、就业、保险等的重要决策时，如果决策依赖于个人的敏感属性（性别、种族等），则具有歧视性和不公平性。在现实世界的数据中，歧视问题仍然很严重，而人类的决定可能在不知不觉中带有歧视性。通过分析这些数据，即使在使用机器学习的决策中也会出现歧视，这是一个大问题。在这项研究中，我们开发了一种机器学习算法，即使给出了这样的数据，它也可以消除歧视。特别是在机器学习应用中，会分析过去的数据，并根据分析结果对新数据做出决策。通过理论分析，我们已经表明，即使在这种情况下，我们也可以保证不会发生歧视。
- 密码学
大数据和使用它的统计分析是支持我们生活的创新服务的来源，但如果数据包含机密信息或从个人获得的信息，则需要谨慎处理。秘密计算是将数据加密存储在另一台服务器上进行数据分析，只返回计算结果的方法。由于委托加密数据的服务器无法解密密文，因此可以仅将数据分析外包，而完全不泄露服务器数据的内容。即使数据从服务器泄露，数据也是经过加密的，所以除非解密密钥泄露，否则内容不会泄露。这种秘密计算被称为外包秘密计算。機械学習・データマイニング研究室正在研究统计分析和机器学习中的各种外包秘密计算。
- 差异隐私
当个人信息是从大量个人中收集的时候，为了保护个人信息，不可能公开个人信息，但是公开统计信息是普遍的做法。在大数据时代，通常有可能属性的数量远大于数据样本的数量，所以即使是统计信息，一旦公开，原始个人信息就有很大可能性被猜到。差分隐私是一种保证个人信息在公开时不会从大量个人信息中获得的统计值推断出来的理论。
此系列持续更新中...
//
作者：堺塾·理工系团队
