2024-03-29T09:58:53Zhttps://ipsj.ixsq.nii.ac.jp/ej/?action=repository_oaipmhoai:ipsj.ixsq.nii.ac.jp:002023232023-11-14T00:51:14Z06164:06165:06640:10055
行動認識モデルの転移学習に向けたニューラルネットワークによる特徴抽出の可視化と分析jpn行動認識http://id.nii.ac.jp/1001/00202229/Conference Paperhttps://ipsj.ixsq.nii.ac.jp/ej/?action=repository_action_common_download&item_id=202323&item_no=1&attribute_id=1&file_no=1Copyright (c) 2019 by the Information Processing Society of Japan大阪大学大学院情報科学研究科大阪大学大学院情報科学研究科大阪大学大学院情報科学研究科吉村, 直也前川, 卓也原, 隆浩行動認識技術はコンテキスト依存アプリケーションのための基礎技術である.深層学習はデータからの特徴学習を可能とし,その認識精度も優れているため行動認識分野においても注目を集めている.その中でも転移学習は,ラベル付きデータの量が少ない場合でも高い精度で認識する事ができる可能性をもつ重要な技術の一つであり,近年盛んに研究されている.しかし行動認識データセットはセンサの種類や装着位置・認識対象の行動クラスが異なル事が多いなど,想定する利用環境と同じ想定で取られたデータセットを探す事は難しい.このような問題を解決すべく研究が行われているが,包括的に解決する手段はまだ提案されていない.本研究ではこの問題を解決し,転移学習の行動認識分野への応用を促すため,行動認識モデルの分析と転移学習を行う方針に関して考察を行う.行動認識モデルの分析を行うため,ニューラネットワーク中のユニットが最も大きな出力を出す入力を勾配上昇法を用いて計算する.ハイパスフィルタを用いた正則化を提案し,高周波数成分が少ない行動認識モデルに適した信号を生成する.また,モデルの出力である softmax 関数の出力結果に基づいて可視化を行なう.この可視化により各ユニットがどの行動クラスの認識に寄与しているか,また転移学習にどの重みが利用できるかを考察する.この可視化の結果に基づいて,精度が高くなる転移学習の方法を考察する.実際に転移学習を行なってその有効性を確認した.マルチメディア,分散協調とモバイルシンポジウム2019論文集20193553682019-06-262019-12-24