{"metadata":{"_oai":{"id":"oai:ipsj.ixsq.nii.ac.jp:00212935","sets":["6164:6165:6640:10712"]},"path":["10712"],"owner":"44499","recid":"212935","title":["人間行動認識に対するクラス階層性を用いた補助学習"],"pubdate":{"attribute_name":"公開日","attribute_value":"2021-06-23"},"_buckets":{"deposit":"4b1cd9cb-ef8b-4dc3-ab20-b87313cb8607"},"_deposit":{"id":"212935","pid":{"type":"depid","value":"212935","revision_id":0},"owners":[44499],"status":"published","created_by":44499},"item_title":"人間行動認識に対するクラス階層性を用いた補助学習","author_link":["544009","544008"],"item_titles":{"attribute_name":"タイトル","attribute_value_mlt":[{"subitem_title":"人間行動認識に対するクラス階層性を用いた補助学習"}]},"item_keyword":{"attribute_name":"キーワード","attribute_value_mlt":[{"subitem_subject":"行動認識","subitem_subject_scheme":"Other"}]},"item_type_id":"18","publish_date":"2021-06-23","item_language":{"attribute_name":"言語","attribute_value_mlt":[{"subitem_language":"jpn"}]},"item_18_text_3":{"attribute_name":"著者所属","attribute_value_mlt":[{"subitem_text_value":"福井大学大学院工学研究科知識社会基礎工学専攻"},{"subitem_text_value":"福井大学大学院工学研究科知識社会基礎工学専攻"}]},"item_publisher":{"attribute_name":"出版者","attribute_value_mlt":[{"subitem_publisher":"情報処理学会","subitem_publisher_language":"ja"}]},"publish_status":"0","weko_shared_id":-1,"item_file_price":{"attribute_name":"Billing file","attribute_type":"file","attribute_value_mlt":[{"url":{"url":"https://ipsj.ixsq.nii.ac.jp/record/212935/files/IPSJ-DICOMO2021037.pdf","label":"IPSJ-DICOMO2021037.pdf"},"date":[{"dateType":"Available","dateValue":"2023-06-23"}],"format":"application/pdf","billing":["billing_file"],"filename":"IPSJ-DICOMO2021037.pdf","filesize":[{"value":"1.6 MB"}],"mimetype":"application/pdf","priceinfo":[{"tax":["include_tax"],"price":"660","billingrole":"5"},{"tax":["include_tax"],"price":"330","billingrole":"6"},{"tax":["include_tax"],"price":"0","billingrole":"44"}],"accessrole":"open_date","version_id":"6bd88a76-d96c-494f-bb1d-388f9d298538","displaytype":"detail","licensetype":"license_note","license_note":"Copyright (c) 2021 by the Information Processing Society of Japan"}]},"item_18_creator_5":{"attribute_name":"著者名","attribute_type":"creator","attribute_value_mlt":[{"creatorNames":[{"creatorName":"近藤, 和真"}],"nameIdentifiers":[{}]},{"creatorNames":[{"creatorName":"長谷川, 達人"}],"nameIdentifiers":[{}]}]},"item_resource_type":{"attribute_name":"資源タイプ","attribute_value_mlt":[{"resourceuri":"http://purl.org/coar/resource_type/c_5794","resourcetype":"conference paper"}]},"item_18_description_7":{"attribute_name":"論文抄録","attribute_value_mlt":[{"subitem_description":"深層学習を用いたセンサによる人間行動認識では，Convolutional Neural Network (CNN) をベースとした手法が多数提案されている．一般的な CNN ベースの行動認識モデルでは，各クラスの正解ラベルは One-hot ベクトルでエンコードされ，分類モデルの出力は正解クラスの One-hot ベクトルに近づくように訓練される．One-hot ベクトル表現では異なるクラスは互いに独立しているため，一般的な CNN ベースの行動認識モデルではクラス間の関係性を考慮せずに訓練が行われている．しかし，実際の行動クラスでは階層的な関係性を持つことが多く，クラス間の階層関係を補助的に利用することでモデルの認識性能を向上させることが期待できる．そこで本研究では，画像認識分野で提案されている Branch CNN(B-CNN) に対してクラス階層の自動構成手法を追加したクラス階層適応型 B-CNN を提案する．B-CNN は人が手動で設計したクラス階層を用いるため，クラス数が多い場合に適切なクラス階層を手動で設計することが困難であるという課題があった．そこで提案手法では，B-CNN の訓練に用いるクラスの階層構造自体を訓練データから自動で構成することで，クラス数が多い場合でも効果的に B-CNN を訓練することを可能とした．複数のベンチマークデータセットを用いた検証により，提案手法はクラス間の階層関係を考慮しない一般的な CNN モデルを上回る分類精度を達成し，加えて，提案手法の認識性能が事前知識をもとに人が手動で設計したクラス階層を用いた B-CNN モデルに匹敵することを確認した．","subitem_description_type":"Other"}]},"item_18_biblio_info_10":{"attribute_name":"書誌情報","attribute_value_mlt":[{"bibliographicPageEnd":"276","bibliographic_titles":[{"bibliographic_title":"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"}],"bibliographicPageStart":"264","bibliographicIssueDates":{"bibliographicIssueDate":"2021-06-23","bibliographicIssueDateType":"Issued"},"bibliographicIssueNumber":"1","bibliographicVolumeNumber":"2021"}]},"relation_version_is_last":true,"weko_creator_id":"44499"},"id":212935,"updated":"2025-01-19T17:19:39.473493+00:00","links":{},"created":"2025-01-19T01:13:51.455317+00:00"}