ノイズを考慮した人物行動の文法の教師なし学習

• Item type: Trans(1)
• 公開日: 2008-07-24
• タイトル: ノイズを考慮した人物行動の文法の教師なし学習
• タイトル / 言語: en
• タイトル: Unsupervised Learning of Human Activity Grammars from Noisy Input Sequences
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 人物行動学習
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 著者所属: 東京大学
• 著者所属: 東京大学
• 著者所属: 国立情報学研究所
• 著者所属(英): en
• 著者所属(英): The University of Tokyo
• 著者所属(英): en
• 著者所属(英): The University of Tokyo
• 著者所属(英): en
• 著者所属(英): National Institute of Informatics
• 著者名: 木谷クリス真実; 佐藤洋一; 杉本, 晃宏
• 著者名(英): Kris, M.Kitani; Yoichi, Sato; Akihiro, Sugimoto
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 自然言語の構文解析に用いられている確率文脈自由文法は，映像による人物の行動解析にも使われており，その有効性が報告されている．しかしながら，文の単語列と異なり，映像から得られる人物行動の記号列には多くのノイズが含まれているため，行動文法の学習が困難になる．したがって，高精度の文法学習を行うためには，ノイズ記号を除外した終端記号集合を特定する必要がある．そこで本研究では，最小記述長原理に基づき，ノイズを除外した終端記号集合とそれにともなう文法の獲得手法を提案する．提案手法では，終端記号の全組合せを評価し，各々の部分集合の下で得られた文法の複雑さと観測データの記号列尤度とのトレードオフを定量化する．これにより，評価値の高い終端記号集合と文法の候補を特定することができ，記号列に含まれるノイズを除去しつつ行動文法の基本構造を獲得することが可能となる．実験により提案手法の有効性を示す．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Context-Free Grammars have been shown to be useful for applications beyond natural language analysis, specifically vision-based human activity analysis. However, vision-based symbol strings differ from natural language strings, in that a string of symbols produced by video can contain noise symbols, making grammatical inference very difficult. To obtain reliable results from grammatical inference, it is necessary to identify these noise symbols. We propose a new technique for identifying the best subset of terminal symbols to acquire the best activity grammar. Our approach uses the Minimum Description Length principle, to evaluate the trade-offs between model complexity and data fit to quantify the difference between the results of each terminal subset. The evaluation results are then used to identify of a class of candidate terminal subsets and grammars that remove the noise and enable the discovery of the basic structure of an activity. In this paper, we present the validity of our proposed method based on experiments with artificial and real data.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11560603
• 書誌情報: 情報処理学会論文誌コンピュータビジョンとイメージメディア（CVIM）; 巻 1, 号 2, p. 86-99, 発行日 2008-07-24
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7810
• 出版者 / 言語: ja
• 出版者: 情報処理学会