{"metadata":{"_oai":{"id":"oai:ipsj.ixsq.nii.ac.jp:00219701","sets":["6164:6165:6640:11008"]},"path":["11008"],"owner":"44499","recid":"219701","title":["センサベースの行動認識におけるCNNのカーネルサイズに関する一考察"],"pubdate":{"attribute_name":"公開日","attribute_value":"2022-07-06"},"_buckets":{"deposit":"eb2c2b22-0d3e-465b-a10b-59a08b3997f7"},"_deposit":{"id":"219701","pid":{"type":"depid","value":"219701","revision_id":0},"owners":[44499],"status":"published","created_by":44499},"item_title":"センサベースの行動認識におけるCNNのカーネルサイズに関する一考察","author_link":["573292","573291","573293"],"item_titles":{"attribute_name":"タイトル","attribute_value_mlt":[{"subitem_title":"センサベースの行動認識におけるCNNのカーネルサイズに関する一考察"}]},"item_type_id":"18","publish_date":"2022-07-06","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"},{"subitem_text_value":"福井大学大学院工学研究科／NECソリューションイノベータ株式会社"},{"subitem_text_value":"福井大学大学院工学研究科"}]},"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/219701/files/IPSJ-DICOMO2022127.pdf","label":"IPSJ-DICOMO2022127.pdf"},"date":[{"dateType":"Available","dateValue":"2024-07-06"}],"format":"application/pdf","billing":["billing_file"],"filename":"IPSJ-DICOMO2022127.pdf","filesize":[{"value":"1.4 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":"133c7617-e058-4f52-a166-8d5f3af5034b","displaytype":"detail","licensetype":"license_note","license_note":"Copyright (c) 2022 by the Information Processing Society of Japan"}]},"item_18_creator_5":{"attribute_name":"著者名","attribute_type":"creator","attribute_value_mlt":[{"creatorNames":[{"creatorName":"清水, 椋右"}],"nameIdentifiers":[{}]},{"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":"スマートフォンやウェアラブルデバイスの普及に伴い，深層学習を用いたセンサベースの行動認識が盛んに おこなわれるようになった．しかし，現在は畳み込み層が 3 層程度のシンプルな CNN がよく用いられており，行動 認識に特化した深層学習モデルの構造は明らかではない．ウェアラブルデバイスを用いて行動認識を行う場合，計算 コストの削減は大きな課題である．モダンな深層学習モデルは一般に計算コストが高く，改変を行わず行動認識に適 用するには不適当である．行動認識において深層学習モデルの軽量化についての議論は進んでいない．本研究では VGG 構造を対象として，畳み込み層のカーネルサイズに着目し，行動認識精度やモデルのパラメータ数に現れる影響を調査する．現在デファクトスタンダードである，小さいカーネルの多数積層構造を，これと同等の範囲の受容野 を持つより大きいカーネルの単層の畳み込み層に変更することで，パラメータ数を削減しつつ，行動認識精度が向上 する可能性があることが判明した．","subitem_description_type":"Other"}]},"item_18_biblio_info_10":{"attribute_name":"書誌情報","attribute_value_mlt":[{"bibliographicPageEnd":"911","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2022論文集"}],"bibliographicPageStart":"906","bibliographicIssueDates":{"bibliographicIssueDate":"2022-07-06","bibliographicIssueDateType":"Issued"},"bibliographicVolumeNumber":"2022"}]},"relation_version_is_last":true,"weko_creator_id":"44499"},"id":219701,"updated":"2025-01-19T14:48:23.046805+00:00","links":{},"created":"2025-01-19T01:19:45.939888+00:00"}