{"id":212936,"updated":"2025-01-19T17:19:38.439204+00:00","links":{},"created":"2025-01-19T01:13:51.510970+00:00","metadata":{"_oai":{"id":"oai:ipsj.ixsq.nii.ac.jp:00212936","sets":["6164:6165:6640:10712"]},"path":["10712"],"owner":"44499","recid":"212936","title":["行動認識におけるGANを用いた欠損データ補間手法の性能評価"],"pubdate":{"attribute_name":"公開日","attribute_value":"2021-06-23"},"_buckets":{"deposit":"50f5e4ea-ddea-43f4-8ea4-b541ba96b5e4"},"_deposit":{"id":"212936","pid":{"type":"depid","value":"212936","revision_id":0},"owners":[44499],"status":"published","created_by":44499},"item_title":"行動認識におけるGANを用いた欠損データ補間手法の性能評価","author_link":["544010","544011","544012"],"item_titles":{"attribute_name":"タイトル","attribute_value_mlt":[{"subitem_title":"行動認識におけるGANを用いた欠損データ補間手法の性能評価"}]},"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":"豊橋技術科学大学"},{"subitem_text_value":"豊橋技術科学大学"},{"subitem_text_value":"豊橋技術科学大学"}]},"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/212936/files/IPSJ-DICOMO2021038.pdf","label":"IPSJ-DICOMO2021038.pdf"},"date":[{"dateType":"Available","dateValue":"2023-06-23"}],"format":"application/pdf","billing":["billing_file"],"filename":"IPSJ-DICOMO2021038.pdf","filesize":[{"value":"1.7 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":"cb36fa5d-cbca-4dff-9c15-c3cd3c1c651d","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":"石田, 義人"}],"nameIdentifiers":[{}]},{"creatorNames":[{"creatorName":"多田, 剛史"}],"nameIdentifiers":[{}]},{"creatorNames":[{"creatorName":"大村, 廉"}],"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":"近年，ヘルスケアやフィットネスなどを目的とし，ウェアラブルデバイスを用いて装着者の体の動きを取得し，その行動内容を推定する「行動認識技術」に関する研究が多くなされている．行動認識では，多数のセンサを用いることで複雑な行動が認識可能となる一方で，センサの故障や通信切断によるセンサデータの欠損によって認識性能が大幅に低下するという問題がある．本研究ではデータの欠損による認識性能低下を抑制することを目的とし，GAN（Generative adversarial networks）を用いて欠損したデータを補間する手法を提案する．具体的には，センサデータの部分系列から得られる複数の特徴量をセンサ毎に並べて画像とみなし，その欠損部分について GAN の 1 種である GLCIC（Globally and Locally Consistent Image Completion）を用いて補間を行なうこととした．実験では 33 種類の日常行動に対して 9 個のウェアラブルセンサを用いて被験者の動作を取得したデータセットを用い，センサデータの一部を欠損させた場合と欠損部分に対して補間を行なった場合について，欠損センサデータ数を変更しつつ認識精度を比較した．なお，認識器には Random Forest を使用した．結果，提案する補間手法によって，データ欠損時でも高い F 値を得ることができた．さらに，欠損センサ数が多くなっても高い識別精度を得ることができ，あらかじめ多くのセンサを用いてデータを取得し，本手法を適用することで，センサ数を減らして高精度の行動認識を行なうことが可能であることが示唆された．","subitem_description_type":"Other"}]},"item_18_biblio_info_10":{"attribute_name":"書誌情報","attribute_value_mlt":[{"bibliographicPageEnd":"283","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":"277","bibliographicIssueDates":{"bibliographicIssueDate":"2021-06-23","bibliographicIssueDateType":"Issued"},"bibliographicIssueNumber":"1","bibliographicVolumeNumber":"2021"}]},"relation_version_is_last":true,"weko_creator_id":"44499"}}