| Item type |
SIG Technical Reports(1) |
| 公開日 |
2019-05-23 |
| タイトル |
|
|
タイトル |
表情認識による集中状態判断 |
| 言語 |
|
|
言語 |
jpn |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
卒論スポットライトセッション |
| 資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_18gh |
|
資源タイプ |
technical report |
| 著者所属 |
|
|
|
津田塾大学学芸学部情報科学科 |
| 著者所属 |
|
|
|
津田塾大学学芸学部情報科学科 |
| 著者所属 |
|
|
|
津田塾大学学芸学部情報科学科 |
| 著者所属 |
|
|
|
津田塾大学学芸学部情報科学科 |
| 著者名 |
高澤, 奈生
坂本, 彩
大塚, 亜未
青柳, 達也
|
| 論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
本論文では，転移学習のアプローチを用いて，顔画像から集中している表情を認識する手法について述べる．転移学習とは，ある分野で学習済みのモデルを，別の分野で再利用する技術であるが，今回は Microsoft Azure の Face API を学習済みのモデルとして利用している．Face API とは，ある一枚の画像をデータとして渡すと，そこに映っている人物らの年齢や性別，感情の度合いなど，顔に関する様々な属性を推測してくれる API である．このFace API のモデルを再利用することによって，「顔画像から集中している表情を識別する」 問題を効率的に解決することを目指した．識別器の作成にあたっては，20 代の女子大学生 7 名の 「集中している状態」 と 「集中していない状態」 の顔画像を収集した．また，識別器の精度を高めるため，モデル選択，ラベル付けの方法，特徴量選択，ハイパーパラメータ選択の 4 つの観点において実験を行った．その結果，C=1000，γ=0.1 の RBFカーネルを利用した SVM 識別器が 95.80% と最も精度が高くなることがわかった．そして，この識別器を利用し，ユーザの集中状態を判定するアプリを作成した． |
| 書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
収録物識別子 |
AA11131797 |
| 書誌情報 |
研究報告コンピュータビジョンとイメージメディア（CVIM）
巻 2019-CVIM-217,
号 35,
p. 1-3,
発行日 2019-05-23
|
| ISSN |
|
|
収録物識別子タイプ |
ISSN |
|
収録物識別子 |
2188-8701 |
| Notice |
|
|
|
SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. |
| 出版者 |
|
|
言語 |
ja |
|
出版者 |
情報処理学会 |
IPSJ-CVIM19217035.pdf (1.1 MB)
