SlideShare a Scribd company logo
1 of 25
Download to read offline
博⼠学⽣キャリアパスセミナー
@慶應義塾⼤学⽮上キャンパス
⽚岡 裕雄, Ph.D.
産業技術総合研究所
知能システム研究部⾨ コンピュータビジョン研究グループ (CVRG)
http://www.hirokatsukataoka.net/
⾃⼰紹介
産業技術総合研究所 コンピュータビジョン研究グループ
研究員 ⽚岡裕雄(かたおか ひろかつ)
 2014年慶應義塾⼤学⼤学院理⼯学研究科修了,博⼠(⼯学).2013,2014年
ミュンヘン⼯科⼤学Visiting Scientist,2014年東京⼤学博⼠研究員,2015年産総
研特別研究員.2016年4⽉より現職.画像認識,動画解析,⼈物⾏動解析に興
味を持つ.cvpaper.challenge主宰.2011年ViEW⼩⽥原賞,2013年電気学会誌論
⽂奨励賞,2014年藤原賞,2016年ECCV WS Brave New Idea Award.
mypage: http://www.hirokatsukataoka.net/
cvpaper.challenge: https://sites.google.com/site/cvpaperchallenge/
慶應義塾には2009〜2014在籍(MとD)
電⼦⼯学科 ⻘⽊義満研究室修了
なぜ、博⼠課程に進学したか?
研究者になりたかった!
なぜ、研究者になりたかった?
•  新たな概念(コンセプト)を世に出したい
–  今あるものだけでなく、ないものを⽣み出す
•  100年以上⽣き続けるコンセプトってカッコイイ!
•  e.g. 電話の概念は19世紀後半以降、現在も受け継がれている
–  コンピュータの視覚が⼈の視覚を超えるところにそれがある?
•  ⼈の視覚を超えるCV技術を実装し続ける
–  (⼤きく⾔うと)⼈類のブレークスルーがありそう
–  昨今のAIブームがそれを象徴している?
慶應大 (M・D)	 東大(PD)	 産総研(PD・RS)	
コンピュータビジョンとの出会い[1]
–  ⼤学3年⽣、⻘⽊義満先⽣(当時芝浦⼯⼤准教授)の授業を受けた
–  「⼈命を救えるビジョン」というところが引っかかった
–  頼み込んで、夏頃には研究室に出⼊りしていた
[1] コンピュータビジョンとの出会い
芝浦工大(B)
学部・修⼠時代の研究
慶應大 (M・D)	 東大(PD)	 産総研(PD・RS)	
博⼠課程に進学した経緯[2]
–  M2春に内定が決まっていた!
–  「研究部⾨に配属できない」と⾔われ内定は辞退、進学希望
[1] コンピュータビジョンとの出会い
[2] 博⼠課程に進学した経緯
芝浦工大(B)
慶應大 (M・D)	 東大(PD)	 産総研(PD・RS)	
博⼠課程進学後、(いきなり)産総研への道が開ける[3]
–  国際会議に参加、今の上司からインターンのオファー
–  奈良のカフェでお昼を⾷べながら説明を受けた
[1] コンピュータビジョンとの出会い
[2] 博⼠課程に進学した経緯
[3] 産総研への道が開ける
芝浦工大(B)
ところで、博⼠進学後は何をしていた?
•  慶應に(ほとんど)いませんでした!
–  在籍は2011〜2014年
–  うち2年半は外部機関で研究していた(もしくは準備していた)
–  落ち着いたのは最後の半年、博⼠論⽂を書いていた時くらい
–  指導教官、研究室の理解があったからできた
博⼠修了後の進路[4]について
•  ⼆つの選択肢があった
–  産総研の常勤職員
•  2年間準備するも0次⾯接で落とされる
–  学振DCから学振PDに切り替え
•  慶應か?他機関か?
•  最後は東⼤の研究室へ
慶應大 (M・D)	 東大(PD)	 産総研(PD・RS)	
[1] コンピュータビジョンとの出会い
[2] 博⼠課程に進学した経緯
[3] 産総研への道が開ける
[4] 博⼠終了後の進路
芝浦工大(B)
修了後すぐ常勤?ポスドク(PD)で修⾏?
•  (今から思えば)2年間修⾏できたのが良かった
–  2014年@東⼤
•  他分野の⽂化や知⾒を学ぶことができた
•  ⼈脈を作ることができた
–  2015年@産総研
•  プロの研究者と議論することで磨かれた
•  論⽂を膨⼤に読み、知識量が増えた (年間600本くらい)
–  プレッシャーを楽しむことができた
PD時の就職活動
•  ⾝の回りの就職先から始めた
–  ミュンヘン⼯科⼤学PD
•  海外に数年⾏ってから⽇本のポストを狙うプラン
•  結果的に、グループリーダーの移籍によりお⾦が⽤意しづらい状況
–  産総研PD(をしながら常勤職員の審査を受ける)
•  ポスドクになって業績を貯めてから常勤へトライ
•  幸運にも⼀年⽬でポストを獲得
結局、何が就活に良かったのか?
•  まず成果を出す、その次に⽬⽴つ!
–  成果:学術論⽂誌の本数を増やしたのが良かった
•  D3までで5本の学術論⽂誌に再録
•  その後、現在まで国際会議にフォーカス
–  ⽬⽴つ:毎年(必ず)参加する学会を作る + 成果をアピール
•  成果があっても⽬に留まらないといけない
•  ⽬⽴ち⽅も、戦略的に!
現在の状況:産総研 研究職員
•  2016年4⽉より現職
–  産総研、めっちゃ楽しいですよ!
–  ⼈・設備・制度の⾯で研究体制が整う
–  インターン・ポスドク含め2年間所属したので慣れた環境
研究者としての活動
•  cvpaper.challengeというプロジェクトを推進
–  CV及び周辺分野の論⽂を読破・まとめ・アイディア考案・議論・実
装・論⽂執筆(・社会実装)に⾄るまで取り組む集団
–  2015はトップ会議の全602本、2016は1,000論⽂を読破しまとめを共有
–  2017はアウトプットに拘り、洗練された問題設定を投稿予定
Twitter: @CVpaperChalleng
SlideShare: @cvpaperchallenge
HP: https://sites.google.com/site/cvpaperchallenge/home
1,000
計
本を達成
@2016
論⽂1,000本読破 + 上位会議への投稿
1,000
計
本を達成
@2016
論⽂1,000本読破 + 上位会議への投稿
2 papers@ECCV 2016 Workshop
Oral presentation at BNMW
1,000
計
本を達成
@2016
論⽂1,000本読破 + 上位会議への投稿
2 papers@ECCV 2016 Workshop
Oral presentation at BNMW
Accepted 4 papers
Submitted 4 papers
(2 top conferences)
Preparing 3 papers
1,000
計
本を達成
@2016
論⽂1,000本読破 + 上位会議への投稿
2 papers@ECCV 2016 Workshop
Oral & Best Paper at BNMW
Accepted 4 papers
Submitted 4 papers
(2 top conferences)
Preparing 3 papersViEW若⼿奨励賞
Best Paper Award@BNMW
今後の展望
•  追従型の研究よりも、⾃ら問題設定を作る研究へシフト
–  以前(〜博⼠課程・ポスドク)
•  従来技術の改良
•  基本的に⼀⼈で研究を進めていた
–  現在(常勤職員〜)
•  「新しい問題を作るには?」という問いへ挑戦
•  論⽂を年間数百本単位で読んで、アイディアを研究グループ内で議論、常に
複数のプロジェクトを並⾏
博⼠課程の進学や修了後にリスクや
不安があるのは当然ですが,プレッ
シャーを楽しめるくらい努⼒する覚
悟があるならリスクをチャンスにで
きます.
分野を変えるくらいの意気込みと,
フィロソフィー(Ph.D.)を持って,新
しい概念を作りに⾏きましょう!
おまけ
•  12年ルール?:やりたいと思ったことが12年で実現
–  海外で勉強がしたい!(12歳:⼩学6年⽣)
•  24歳の時に⽶国留学が決定 [Completed!!]
–  つくばで働き(勉強し)たい!(17歳:⾼校2年⽣)
•  29歳の時に現職に就いた [Completed!!]
–  その他のプロジェクトも稼働中。。。

More Related Content

What's hot

画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
MPRG_Chubu_University
 

What's hot (20)

全力解説!Transformer
全力解説!Transformer全力解説!Transformer
全力解説!Transformer
 
自己教師学習(Self-Supervised Learning)
自己教師学習(Self-Supervised Learning)自己教師学習(Self-Supervised Learning)
自己教師学習(Self-Supervised Learning)
 
ドメイン適応の原理と応用
ドメイン適応の原理と応用ドメイン適応の原理と応用
ドメイン適応の原理と応用
 
【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models【メタサーベイ】基盤モデル / Foundation Models
【メタサーベイ】基盤モデル / Foundation Models
 
cvpaper.challenge 研究効率化 Tips
cvpaper.challenge 研究効率化 Tipscvpaper.challenge 研究効率化 Tips
cvpaper.challenge 研究効率化 Tips
 
[DL輪読会]ドメイン転移と不変表現に関するサーベイ
[DL輪読会]ドメイン転移と不変表現に関するサーベイ[DL輪読会]ドメイン転移と不変表現に関するサーベイ
[DL輪読会]ドメイン転移と不変表現に関するサーベイ
 
モデル高速化百選
モデル高速化百選モデル高速化百選
モデル高速化百選
 
【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning 画像×言語の大規模基盤モ...
【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning   画像×言語の大規模基盤モ...【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning   画像×言語の大規模基盤モ...
【DL輪読会】Flamingo: a Visual Language Model for Few-Shot Learning 画像×言語の大規模基盤モ...
 
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計
 
Zotero紹介
Zotero紹介Zotero紹介
Zotero紹介
 
ChatGPT 人間のフィードバックから強化学習した対話AI
ChatGPT 人間のフィードバックから強化学習した対話AIChatGPT 人間のフィードバックから強化学習した対話AI
ChatGPT 人間のフィードバックから強化学習した対話AI
 
楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜
楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜
楽しい研究のために今からできること 〜新しく研究を始める皆さんへ〜
 
研究効率化Tips Ver.2
研究効率化Tips Ver.2研究効率化Tips Ver.2
研究効率化Tips Ver.2
 
LiDAR点群と画像とのマッピング
LiDAR点群と画像とのマッピングLiDAR点群と画像とのマッピング
LiDAR点群と画像とのマッピング
 
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​
SSII2022 [SS1] ニューラル3D表現の最新動向〜 ニューラルネットでなんでも表せる?? 〜​
 
Deep Learningを用いたロボット制御
Deep Learningを用いたロボット制御Deep Learningを用いたロボット制御
Deep Learningを用いたロボット制御
 
オントロジーとは?
オントロジーとは?オントロジーとは?
オントロジーとは?
 
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
画像局所特徴量と特定物体認識 - SIFTと最近のアプローチ -
 
畳み込みニューラルネットワークの研究動向
畳み込みニューラルネットワークの研究動向畳み込みニューラルネットワークの研究動向
畳み込みニューラルネットワークの研究動向
 
『逆転オセロニア 』における、機械学習モデルを用いたデッキのアーキタイプ抽出とゲーム運用への活用
『逆転オセロニア 』における、機械学習モデルを用いたデッキのアーキタイプ抽出とゲーム運用への活用『逆転オセロニア 』における、機械学習モデルを用いたデッキのアーキタイプ抽出とゲーム運用への活用
『逆転オセロニア 』における、機械学習モデルを用いたデッキのアーキタイプ抽出とゲーム運用への活用
 

Similar to 【慶應大学講演】なぜ、博士課程に進学したか?

2チケット&計測」書籍で訴えたい
2チケット&計測」書籍で訴えたい2チケット&計測」書籍で訴えたい
2チケット&計測」書籍で訴えたい
Yoshiki Mitani
 
超AIが倫理的であれば 共存できるのか? ー進化倫理学を参考に ー
超AIが倫理的であれば共存できるのか?ー進化倫理学を参考に ー超AIが倫理的であれば共存できるのか?ー進化倫理学を参考に ー
超AIが倫理的であれば 共存できるのか? ー進化倫理学を参考に ー
The Whole Brain Architecture Initiative
 
Service Design Roundtable on 2/15/2014, Y. Sawatani
Service Design Roundtable on 2/15/2014, Y. SawataniService Design Roundtable on 2/15/2014, Y. Sawatani
Service Design Roundtable on 2/15/2014, Y. Sawatani
Yuriko Sawatani
 

Similar to 【慶應大学講演】なぜ、博士課程に進学したか? (20)

個人/グループサーベイ法(早稲田大学講演)
個人/グループサーベイ法(早稲田大学講演)個人/グループサーベイ法(早稲田大学講演)
個人/グループサーベイ法(早稲田大学講演)
 
Kansai MotionControl Networkキックオフ
Kansai MotionControl NetworkキックオフKansai MotionControl Networkキックオフ
Kansai MotionControl Networkキックオフ
 
2チケット&計測」書籍で訴えたい
2チケット&計測」書籍で訴えたい2チケット&計測」書籍で訴えたい
2チケット&計測」書籍で訴えたい
 
オープンデータと博物館
オープンデータと博物館オープンデータと博物館
オープンデータと博物館
 
NeurIPS2018読み会@PFN a unified feature disentangler for multi domain image tran...
NeurIPS2018読み会@PFN a unified feature disentangler for multi domain image tran...NeurIPS2018読み会@PFN a unified feature disentangler for multi domain image tran...
NeurIPS2018読み会@PFN a unified feature disentangler for multi domain image tran...
 
機能性・意匠性・経済性を同時達成する身体障害者向け衣服の共創的作製
機能性・意匠性・経済性を同時達成する身体障害者向け衣服の共創的作製機能性・意匠性・経済性を同時達成する身体障害者向け衣服の共創的作製
機能性・意匠性・経済性を同時達成する身体障害者向け衣服の共創的作製
 
(Ja) A unified feature disentangler for multi domain image translation and ma...
(Ja) A unified feature disentangler for multi domain image translation and ma...(Ja) A unified feature disentangler for multi domain image translation and ma...
(Ja) A unified feature disentangler for multi domain image translation and ma...
 
[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー
[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー
[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー
 
優れた問いを見つける(中京大学講演)
優れた問いを見つける(中京大学講演)優れた問いを見つける(中京大学講演)
優れた問いを見つける(中京大学講演)
 
20150414seminar
20150414seminar20150414seminar
20150414seminar
 
Miu紹介最新版20130711
Miu紹介最新版20130711Miu紹介最新版20130711
Miu紹介最新版20130711
 
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
求職サービスの検索ログを用いたクエリのカテゴリ推定とその活用事例の紹介
 
NNで広告配信のユーザー最適化をやってみた。@ TFUG #3
NNで広告配信のユーザー最適化をやってみた。@ TFUG #3NNで広告配信のユーザー最適化をやってみた。@ TFUG #3
NNで広告配信のユーザー最適化をやってみた。@ TFUG #3
 
生物情報科学科 ガイダンス (2016/5/17)
生物情報科学科 ガイダンス (2016/5/17)生物情報科学科 ガイダンス (2016/5/17)
生物情報科学科 ガイダンス (2016/5/17)
 
181017 osaka-xrmeeting-lt
181017 osaka-xrmeeting-lt181017 osaka-xrmeeting-lt
181017 osaka-xrmeeting-lt
 
Hasc勉強会報告
Hasc勉強会報告Hasc勉強会報告
Hasc勉強会報告
 
超AIが倫理的であれば 共存できるのか? ー進化倫理学を参考に ー
超AIが倫理的であれば共存できるのか?ー進化倫理学を参考に ー超AIが倫理的であれば共存できるのか?ー進化倫理学を参考に ー
超AIが倫理的であれば 共存できるのか? ー進化倫理学を参考に ー
 
Service Design Roundtable on 2/15/2014, Y. Sawatani
Service Design Roundtable on 2/15/2014, Y. SawataniService Design Roundtable on 2/15/2014, Y. Sawatani
Service Design Roundtable on 2/15/2014, Y. Sawatani
 
B3スタートアップ コンピュータビジョンの現在と未来にやるべきこと(東京電機大学講演)
B3スタートアップ コンピュータビジョンの現在と未来にやるべきこと(東京電機大学講演)B3スタートアップ コンピュータビジョンの現在と未来にやるべきこと(東京電機大学講演)
B3スタートアップ コンピュータビジョンの現在と未来にやるべきこと(東京電機大学講演)
 
220526_ACRi_Ando01r.pdf
220526_ACRi_Ando01r.pdf220526_ACRi_Ando01r.pdf
220526_ACRi_Ando01r.pdf
 

More from Hirokatsu Kataoka

【ECCV 2016 BNMW】Human Action Recognition without Human
【ECCV 2016 BNMW】Human Action Recognition without Human【ECCV 2016 BNMW】Human Action Recognition without Human
【ECCV 2016 BNMW】Human Action Recognition without Human
Hirokatsu Kataoka
 
【ITSC2015】Fine-grained Walking Activity Recognition via Driving Recorder Dataset
【ITSC2015】Fine-grained Walking Activity Recognition via Driving Recorder Dataset【ITSC2015】Fine-grained Walking Activity Recognition via Driving Recorder Dataset
【ITSC2015】Fine-grained Walking Activity Recognition via Driving Recorder Dataset
Hirokatsu Kataoka
 

More from Hirokatsu Kataoka (17)

【チュートリアル】コンピュータビジョンによる動画認識 v2
【チュートリアル】コンピュータビジョンによる動画認識 v2【チュートリアル】コンピュータビジョンによる動画認識 v2
【チュートリアル】コンピュータビジョンによる動画認識 v2
 
【チュートリアル】コンピュータビジョンによる動画認識
【チュートリアル】コンピュータビジョンによる動画認識【チュートリアル】コンピュータビジョンによる動画認識
【チュートリアル】コンピュータビジョンによる動画認識
 
ECCV 2016 速報
ECCV 2016 速報ECCV 2016 速報
ECCV 2016 速報
 
【ECCV 2016 BNMW】Human Action Recognition without Human
【ECCV 2016 BNMW】Human Action Recognition without Human【ECCV 2016 BNMW】Human Action Recognition without Human
【ECCV 2016 BNMW】Human Action Recognition without Human
 
【BMVC2016】Recognition of Transitional Action for Short-Term Action Prediction...
【BMVC2016】Recognition of Transitional Action for Short-Term Action Prediction...【BMVC2016】Recognition of Transitional Action for Short-Term Action Prediction...
【BMVC2016】Recognition of Transitional Action for Short-Term Action Prediction...
 
【論文紹介】Fashion Style in 128 Floats: Joint Ranking and Classification using Wea...
【論文紹介】Fashion Style in 128 Floats: Joint Ranking and Classification using Wea...【論文紹介】Fashion Style in 128 Floats: Joint Ranking and Classification using Wea...
【論文紹介】Fashion Style in 128 Floats: Joint Ranking and Classification using Wea...
 
【CVPR2016_LAP】Dominant Codewords Selection with Topic Model for Action Recogn...
【CVPR2016_LAP】Dominant Codewords Selection with Topic Model for Action Recogn...【CVPR2016_LAP】Dominant Codewords Selection with Topic Model for Action Recogn...
【CVPR2016_LAP】Dominant Codewords Selection with Topic Model for Action Recogn...
 
CVPR 2016 速報
CVPR 2016 速報CVPR 2016 速報
CVPR 2016 速報
 
ILSVRC2015 手法のメモ
ILSVRC2015 手法のメモILSVRC2015 手法のメモ
ILSVRC2015 手法のメモ
 
Deep Residual Learning (ILSVRC2015 winner)
Deep Residual Learning (ILSVRC2015 winner)Deep Residual Learning (ILSVRC2015 winner)
Deep Residual Learning (ILSVRC2015 winner)
 
【ISVC2015】Evaluation of Vision-based Human Activity Recognition in Dense Traj...
【ISVC2015】Evaluation of Vision-based Human Activity Recognition in Dense Traj...【ISVC2015】Evaluation of Vision-based Human Activity Recognition in Dense Traj...
【ISVC2015】Evaluation of Vision-based Human Activity Recognition in Dense Traj...
 
TensorFlowによるCNNアーキテクチャ構築
TensorFlowによるCNNアーキテクチャ構築TensorFlowによるCNNアーキテクチャ構築
TensorFlowによるCNNアーキテクチャ構築
 
【ITSC2015】Fine-grained Walking Activity Recognition via Driving Recorder Dataset
【ITSC2015】Fine-grained Walking Activity Recognition via Driving Recorder Dataset【ITSC2015】Fine-grained Walking Activity Recognition via Driving Recorder Dataset
【ITSC2015】Fine-grained Walking Activity Recognition via Driving Recorder Dataset
 
【SSII2015】人を観る技術の先端的研究
【SSII2015】人を観る技術の先端的研究【SSII2015】人を観る技術の先端的研究
【SSII2015】人を観る技術の先端的研究
 
PythonによるCVアルゴリズム実装
PythonによるCVアルゴリズム実装PythonによるCVアルゴリズム実装
PythonによるCVアルゴリズム実装
 
【チュートリアル】動的な人物・物体認識技術 -Dense Trajectories-
【チュートリアル】動的な人物・物体認識技術 -Dense Trajectories-【チュートリアル】動的な人物・物体認識技術 -Dense Trajectories-
【チュートリアル】動的な人物・物体認識技術 -Dense Trajectories-
 
Extended Co-occurrence HOG with Dense Trajectories for Fine-grained Activity ...
Extended Co-occurrence HOG with Dense Trajectories for Fine-grained Activity ...Extended Co-occurrence HOG with Dense Trajectories for Fine-grained Activity ...
Extended Co-occurrence HOG with Dense Trajectories for Fine-grained Activity ...
 

【慶應大学講演】なぜ、博士課程に進学したか?