陸 慧敏 (リク ケイビン)

LU Huimin

写真a

職名

准教授

研究室住所

福岡県北九州市戸畑区仙水町1-1

研究分野・キーワード

人工知能、ロボティックス、海中光学、コンピュータビジョン

ホームページ

https://ericlab.org/

取得学位 【 表示 / 非表示

  • 九州工業大学 -  博士(工学)  2014年03月

学内職務経歴 【 表示 / 非表示

  • 2019年09月
    -
    継続中

    九州工業大学   大学院工学研究院   機械知能工学研究系   准教授  

所属学会・委員会 【 表示 / 非表示

  • 2019年12月
    -
    継続中
     

    情報処理学会  日本国

  • 2019年08月
    -
    継続中
     

    SPIE  アメリカ合衆国

  • 2012年01月
    -
    継続中
     

    IEEE  アメリカ合衆国

専門分野(科研費分類) 【 表示 / 非表示

  • 地球・資源システム工学

  • 知覚情報処理

  • 計測工学

 

論文 【 表示 / 非表示

  • DeepEye: A Dedicated Camera for Deep-Sea Tripod Observation Systems

    Lu H., Li Y., Kim H., Serikawa S.

    Studies in Computational Intelligence    810   507 - 511   2020年01月  [査読有り]

     概要を見る

    © 2020, Springer Nature Switzerland AG. The deep-sea tripod systems are designed and built at the U.S. Geological Survey (USGS) Pacific Coastal and Marine Science Center (PCMSC) in Santa Cruz, California. They are recovered in late September 2014 after spending about half a year collecting data on the floor of the South China Sea. The deep-sea tripod systems are named as Free-Ascending Tripod (FAT), are deployed at 2,100 m water depth—roughly 10 times as deep as most tripods dedicated to measuring currents and sediment movement at the seafloor. Deployment at this unusual depth was made possible by the tripod’s ability to rise by itself to the surface rather than being pulled up by a line. Instruments mounted on the tripod took bottom photographs and measured such variables as water temperature, current velocity, and suspended-sediment concentration. FAT is used to better understand how and where deep-seafloor sediment moves and accumulates. Besides of this, we also use them to study the deep-sea biology. The obtained the images from the camera, the biology animals are hardly to be distinguished. In this project, we are concerned to use novel underwater imaging technologies for recovering the deep-sea scene.

    DOI Scopus

  • Hyperspectral Images Segmentation Using Active Contour Model for Underwater Mineral Detection

    Lu H., Zheng Y., Hatano K., Li Y., Nakashima S., Kim H.

    Studies in Computational Intelligence    810   513 - 522   2020年01月  [査読有り]

     概要を見る

    © 2020, Springer Nature Switzerland AG. In this paper, we design a novel underwater hyperspectral imaging technique for deep-sea mining detection. The spectral sensitivity peaks are in the region of the visible spectrum, 580, 650, 720, 800 nm. In addition, to the underwater objects recognition, because of the physical properties of the medium, the captured images are distorted seriously by scattering, absorption and noise effect. Scattering is caused by large suspended particles, such as in turbid water, which contains abundant particles, algae, and dissolved organic compounds. In order to resolve these problems of recognizing mineral accurately, fast and effectively, an identifying and classifying algorithm is proposed in this paper. We take the following steps: firstly, through image preprocessing, hyperspectral images are gained by using denoising, smoothness, image erosion. After that, we segment the cells by the method of the modified active contour method. These methods are designed for real-time execution on limited-memory platforms, and are suitable for detecting underwater objects in practice. The Initial results are presented and experiments demonstrate the effectiveness of the proposed imaging system.

    DOI Scopus

  • Saliency Detection via Objectness Transferring

    Zhou Q., Fan Y., Ou W., Lu H.

    Studies in Computational Intelligence    810   201 - 211   2020年01月  [査読有り]

     概要を見る

    © 2020, Springer Nature Switzerland AG. In this paper, we present a novel framework to incorporate top-down guidance to identify salient objects. The salient regions/objects are predicted by transferring objectness prior without the requirement of center-biased assumption. The proposed framework consists of the following two basic steps: In the top-down process, we create a location saliency map (LSM), which can be identified by a set of overlapping windows likely to cover salient objects. The corresponding binary segmentation masks of training windows are treated as high-level knowledge to be transferred to the test image windows, which may share visual similarity with training windows. In the bottom-up process, a multi-layer segmentation framework is employed, providing local shape information that is used to delineate accurate object boundaries. Through integrating top-down objectness priors and bottom-up image representation, our approach is able to produce an accurate pixel-wise saliency map. Extensive experiments show that our approach achieves the state-of-the-art results over MSRA 1000 dataset.

    DOI Scopus

  • Nuclear Norm Regularized Structural Orthogonal Procrustes Regression for Face Hallucination with Pose

    Zhu D., Gao G., Gao H., Lu H.

    Studies in Computational Intelligence    810   159 - 169   2020年01月  [査読有り]

     概要を見る

    © 2020, Springer Nature Switzerland AG. In real applications, the observed low-resolution (LR) face images usually have pose variations. Conventional learning based methods ignore these variations, thus the learned representations are not beneficial for the following reconstruction. In this paper, we propose a nuclear norm regularized structural orthogonal Procrustes regression (N2SOPR) method to learn pose-robust feature representations for efficient face hallucination. The orthogonal Procrustes regression (OPR) seeks an optimal transformation between two images to correct the pose from one to the other. Additionally, our N2SOPR uses the nuclear norm constraint on the error term to keep image’s structural information. A low-rank constraint on the representation coefficients is imposed to adaptively select the training samples that belong to the same subspace as the inputs. Moreover, a locality constraint is also enforced to preserve the locality and the sparsity simultaneously. Experimental results on standard face hallucination databases indicate that our proposed method can produce more reasonable near frontal face images for recognition purpose.

    DOI Scopus

  • Preface

    Lu H.

    Studies in Computational Intelligence    810   2020年01月

    Scopus

全件表示 >>

著書 【 表示 / 非表示

  • Cognitive Internet of Things: Frameworks, Tools and Applications

    Huimin LU ( 単著 )

    Springer International Publishing  2020年01月 ISBN: 978-3-030-04945-4

  • Artificial Inteligence and Robotics

    Huimin Lu, Xing Xu ( 共編者 )

    Springer  2017年12月 ISBN: 978-3-319-69877-9

  • Artificial Intelligence and Computer Vision

    Huimin Lu, Yujie Li ( 共編者 )

    Springer  2016年11月

講演 【 表示 / 非表示

  • AIを活用した水中画像処理技術と深海資源調査への展開

    第1回海中海底工学フォーラム・ZERO   2019年04月12日 

  • Artificial Intelligence in Deep-sea Observing

    The 2nd International Symposium on Artificial Intelligence and Robotics 2017 ( Kitakyushu, Japan )  2017年11月25日  ISAIR

  • Extreme Optical Imaging for Deep-sea Observing Network

    26th International Electrotechnical and Computer Science Conference ERK 2017 ( Congress Center Bernardin, Portorož, Slovenia )  2017年09月25日  IEEE Slovenia

  • Next Generation Artificial Intelligence in Society 5.0

    IBM Australia Seminar ( Melbourne, Australia )  2017年09月04日  IBM Australia

科研費獲得実績 【 表示 / 非表示

  • 日中超スマート社会の実現に向けた次世代のAI/IoTに関する研究

    二国間国際交流事業

    研究期間:  2018年04月  -  2019年03月

    研究課題番号:  00000001

  • 深海採鉱機採削時の画像計測システムの研究開発

    若手研究(B)

    研究期間:  2017年04月  -  2019年03月

    研究課題番号:  17K14694

  • 深海採鉱機向けリアルタイム小型イメージングシステムの研究開発

    特別研究員奨励費

    研究期間:  2015年04月  -  2016年09月

    研究課題番号:  15F15077

  • 深海採鉱機向け鉱床計測用リアルタイム画像採取処理装置の研究開発

    特別研究員奨励費

    研究期間:  2013年04月  -  2015年03月

    研究課題番号:  13J10713

受託研究・共同研究実施実績 【 表示 / 非表示

  • 国立研究開発法人情報通信研究機構国際交流プログラム

    受託研究

    研究期間:  2018年04月  -  2019年03月

  • 国立情報学研究所共同研究

    受託研究

    研究期間:  2018年04月  -  2019年03月

寄附金・講座 【 表示 / 非表示

  • 電気通信普及財団研究調査助成

      2019年04月

  • 電気通信普及財団研究調査助成

    公益財団法人電気通信普及財団  2018年05月

  • 造船学術研究推進機構 助成金

    造船学術研究推進機構  2017年08月

  • 電気通信普及財団 研究調査助成

    公益財団法人電気通信普及財団  2017年04月

 

担当授業科目 【 表示 / 非表示

  • 2020年度  ロボット制御工学

  • 2020年度  メカトロニクス

 

学会・委員会等活動 【 表示 / 非表示

  • 2019年08月
    -
    継続中

    IEEE Computer Society Big Data Special Technical Committee   共同委員長

 

国際会議の開催 【 表示 / 非表示

  • EAI International Conference on Robotic Sensor Networks

    2017年11月25日  -  2017年11月26日 

  • The 2nd International Symposium on Artificial Intelligence and Robotics 2017

    2017年11月25日  -  2017年11月26日 

  • The 1st International Symposium on Artificial Intelligence and Robotics 2016

    China  2016年12月13日  -  2016年12月13日  Huimin Lu

国際交流窓口担当 【 表示 / 非表示

  • リュブリャナ大学  2018年11月  -  継続中

  • 南京郵電大学 オートメーション工学部  2018年05月  -  継続中