端末間の近距離通信を使ったFederated Learningによる観光オブジェクト認識モデルの参加型学習法とその評価

• Item type: Symposium(1)
• 公開日: 2021-10-18
• タイトル: 端末間の近距離通信を使ったFederated Learningによる観光オブジェクト認識モデルの参加型学習法とその評価
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: Federated Learning，DTN，オブジェクト認識モデル構築，エッジコンピューティング
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_5794
• 資源タイプ: conference paper
• 著者所属: 奈良先端科学技術大学院大学／理化学研究所革新知能統合研究センター(AIP)
• 著者所属: 九州大学
• 著者所属: 奈良先端科学技術大学院大学／理化学研究所革新知能統合研究センター(AIP)
• 著者所属: 奈良先端科学技術大学院大学／理化学研究所革新知能統合研究センター(AIP)
• 著者所属(英): en
• 著者所属(英): Nara Institute of Science and Technology / RIKEN, Center for Advanced Intelligence Project (AIP)
• 著者所属(英): en
• 著者所属(英): Kyushu University
• 著者所属(英): en
• 著者所属(英): Nara Institute of Science and Technology / RIKEN, Center for Advanced Intelligence Project (AIP)
• 著者所属(英): en
• 著者所属(英): Nara Institute of Science and Technology / RIKEN, Center for Advanced Intelligence Project (AIP)
• 著者名: 冨田, 周作; 中村, 優吾; 諏訪, 博彦; 安本, 慶一
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 観光地の多様なコンテキストの認識には，観光客が持つ写真等のデータを使って学習した認識モデルが必要となるが，そのためには個人データに含まれるプライバシに配慮する必要がある．この問題は，Federated Learning で解決できる可能性がある．しかし，Federated Learning は，十分な計算能力を備えた集約サーバの設置が前提であり，モデル構築のために，観光客端末と集約サーバ間の通信および端末上のモデル更新が高頻度に行われると，端末での通信コスト（電力・通信費等）が大きくなり観光客の不満が生じてしまう．本研究では，観光客端末間での近距離直接通信を活用した Federated Learning に基づくモデル構築の手法を提案する．提案手法では，すれ違った他の観光客が持つモデルの重みパラメタを受信し自分のモデルに統合する．提案手法では，端末同士がすれ違った際に，性能向上に有効かどうかを，モデルの学習度合いを表す少ない情報の交換を行うことで事前判定し，有効と判断された場合にのみ，モデルパラメタの受信・統合を実行することで，限られた通信回数および少ない消費電力で自身のモデル性能を効率的に向上させる．実在する観光地を想定し，そこでの実際のモバイルユーザのトレースデータを使ったシミュレーション実験を行い，10 オブジェクトを識別する CNN モデル（初期精度は 12.22%）の識別精度向上度合いを，モデル統合回数を 40 回に制限した上で評価した．結果，すれ違った相手とランダムにモデル統合する際には 1% 程度（平均精度12.45%）の精度向上に留まったのに対し，事前判定で統合の有無を決定する提案手法は，平均精度を 172%（平均精度 33.24%）と大きく向上可能なことが分かった．
• 書誌情報: 第29回マルチメディア通信と分散処理ワークショップ論文集; p. 178-186, 発行日 2021-10-18
• 出版者 / 言語: ja
• 出版者: 情報処理学会