@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00212930,
 author = {冨田, 周作 and 中村, 優吾 and 諏訪, 博彦 and 安本, 慶一},
 book = {マルチメディア，分散協調とモバイルシンポジウム2021論文集},
 issue = {1},
 month = {Jun},
 note = {近年，個人が撮影した写真などプライバシ情報を含むデータそのものをサーバに集約することなく，認識モデルの構築に必要なパラメータを用いて機械学習を行う手法として Federated Learning が注目を集めている．しかし，Federated Learning は，大きな計算能力と記憶容量を備えた集約サーバの設置が前提となっており，観光情報提供のシナリオにおいては，観光客が持つ端末と集約サーバ間の通信や端末上でのモデル更新が高頻度に行われるため，ユーザ端末の大幅な電力消費が発生する．そのため，これらの負担を抑制しつつ，効率的にモデル構築するための手法が必要となる．本研究では，観光客が持つ端末間での直接的な通信を活用した Federated Learning に基づくモデル構築の手法を提案する．また，より少ない通信回数で，認識モデルの精度を効率的に向上させるために，FedAvg (モデルパラメタを平均する方法) に基づくモデル統合手法の特性を網羅的に調査した．評価実験では，10 クラスのオブジェクトのデータセットである Cifar10 の一部を訓練した CNN モデルを 231 個構築し，各組み合わせのモデル統合で得られる accuracy を記録した．評価結果より，VGG16 の全体のパラメタ同士を単純平均で統合する場合，37315 パターンで最も多く accuracy が統合前の自身のモデルと比較して向上した．この結果に関して，FedAvg を適用する相手のモデルの accuracy が自身のモデルよりも高い場合 accuracy が向上する傾向にあり，相手のモデルパラメタの統合の判断が可能となることを示した．},
 pages = {221--229},
 publisher = {情報処理学会},
 title = {観光オブジェクト認識モデルのユーザ参加型構築手法の提案},
 volume = {2021},
 year = {2021}
}