推論モデルの動的組み合わせによる実世界認識システム

• Item type: SIG Technical Reports(1)
• 公開日: 2021-05-20
• タイトル: 推論モデルの動的組み合わせによる実世界認識システム
• タイトル / 言語: en
• タイトル: Real-World Dynamic Recognition by Combining Machine Learning Models
• 言語: jpn
• 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: 青山学院大学理工学部情報テクノロジー学科
• 著者所属: アクセンチュア株式会社
• 著者所属: 青山学院大学理工学部情報テクノロジー学科
• 著者所属(英): en
• 著者所属(英): Department of Integrated Information Technology, Aoyama Gakuin University
• 著者所属(英): en
• 著者所属(英): Accenture Japan Ltd, Akasaka Intercity AIR
• 著者所属(英): en
• 著者所属(英): Department of Integrated Information Technology, Aoyama Gakuin University
• 著者名: 田谷, 昭仁; 下田, 功一; 戸辺, 義人
• 著者名(英): Akihito, Taya; Koichi, Sshimoda; Yoshito, Tobe
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: IoT（Internet of Things）端末や多様なセンサが搭載されたウェアラブル端末を使って，実空間の物理量をデータとして取得することが容易になった．これらを機械学習で学習されたモデルや古典的な信号処理により抽象的な情報へと変換することで，実空間の事象の認識が可能になる．しかし，このような認識プロセスをシステム化する際はあらかじめ定められた事象のみを対象を認識できるように設計され，柔軟性に課題がある．本稿では，任意の実空間の情報を認識するための柔軟なシステム RW-DynRec（Real-World Dynamic Recognition System）を提案する．手法として，あらかじめ複数の単純な情報認識モデルを用意しておき，利用者の質問に対して動的にモデルを組み合わせて複雑な情報の認識を可能とするフローを生成する．組み合わせ対象である認識モデルを増やすことで対応可能な質問が増え，結果としてシステムの柔軟性が向上できる．本稿では，フロー生成アルゴリズムおよび，同じ事象の認識結果を予測するフローの合成手法を示す．また，マッチングによる逆方向の推論手法も提案する．例えば，複数の部屋のカメラ映像とウェアラブルデバイスの信号から行動予測を行うことで，どの部屋に誰がいるか，という質問に対する回答が可能になる．実験評価では行動認識における提案システムの分類精度を示し，フローの合成手法によって精度がされることを示す．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Internet of things (IoT) and wearable devices make it easy to obtain physical quantities. These values are used to recognize events in real world by machine learning (ML) and signal processing. However, in spite of the development of ML algorithms of real-world recognition, ML models can recognize only predetermined events included in training datasets. This paper proposes a flexible real-world dynamic recognition system (RW-DynRec), which realize comprehensive information transformation from real space to cyber space. RW-DynRec answers any user’s question about real space by dynamically combining models and signal processing algorithms. The combined models are called function flows, in which sensor data are transferred and recognition results are outputted. This paper shows algorithms of flow generation, multiple flow aggregation, and reverse inference by matching algorithm. Experiment of human activity recognition is conducted, and its results show that the aggregation algorithm improves prediction accuracy.
• 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: AN10116224
• 書誌情報: 研究報告マルチメディア通信と分散処理（DPS）; 巻 2021-DPS-187, 号 20, p. 1-6, 発行日 2021-05-20
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8906
• 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