2024-03-29T10:49:38Zhttps://ipsj.ixsq.nii.ac.jp/ej/?action=repository_oaipmhoai:ipsj.ixsq.nii.ac.jp:002071572023-04-27T10:00:04Z01164:06390:10075:10348
GANに基づくスタイル変換による生成データを用いたジェスチャ認識の精度向上jpnhttp://id.nii.ac.jp/1001/00207055/Technical Reporthttps://ipsj.ixsq.nii.ac.jp/ej/?action=repository_action_common_download&item_id=207157&item_no=1&attribute_id=1&file_no=1Copyright (c) 2020 by the Information Processing Society of Japan京都大学京都大学京都大学鈴木, 乃依瑠渡辺, 祐貴中澤, 篤志センサデータからのジェスチャ認識は,モバイル・ウェアラブル技術において必須の技術である.機械学習技術の発達に伴い,近年では学習データに基づくジェスチャ認識が主流となっている.一方,ジェスチャに伴う動作データはユーザ依存性が高いため,高い認識性能を発揮するためにはユーザ毎のサンプルデータを事前に得るなどが必要になることが問題だった.本研究では敵対的学習を用い,ユーザの少クラスのジェスチャのセンサデータから未知のジェスチャのセンサデータを生成し,識別器を学習することで高精度な認識を行う手法を提案する.具体的には,GAN に基づくスタイル変換ネットワーク (Style Transformer Network) を用いてあるユーザの少クラスの動作サンプルから多クラスの動作サンプルを生成し,識別器の学習に用いる.実データを用いた実験において,既存手法で 70 %の認識精度が提案手法によって 86 %に向上することを確認し,提案手法の有用性を示した.AA12628327研究報告コンシューマ・デバイス&システム(CDS)2020-CDS-2812182020-09-222188-86042020-10-01