| Item type |
Journal(1) |
| 公開日 |
2021-05-15 |
| タイトル |
|
|
タイトル |
行動認識ニューラルネットワークによる特徴抽出の可視化と転移学習への応用 |
| タイトル |
|
|
言語 |
en |
|
タイトル |
Visualization of Deep Feature Representation Toward Transfer Learning of Activity Recognition Models |
| 言語 |
|
|
言語 |
jpn |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
[一般論文（推薦論文, 特選論文）] 行動認識，ニューラルネットワーク，可視化技術，転移学習 |
| 資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_6501 |
|
資源タイプ |
journal article |
| ID登録 |
|
|
ID登録 |
10.20729/00211104 |
|
ID登録タイプ |
JaLC |
| 著者所属 |
|
|
|
大阪大学大学院情報科学研究科 |
| 著者所属 |
|
|
|
大阪大学大学院情報科学研究科 |
| 著者所属 |
|
|
|
大阪大学大学院情報科学研究科 |
| 著者所属(英) |
|
|
|
en |
|
|
Graduate School of Information Science and Technology, Osaka University |
| 著者所属(英) |
|
|
|
en |
|
|
Graduate School of Information Science and Technology, Osaka University |
| 著者所属(英) |
|
|
|
en |
|
|
Graduate School of Information Science and Technology, Osaka University |
| 著者名 |
吉村, 直也
前川, 卓也
原, 隆浩
|
| 著者名(英) |
Naoya, Yoshimura
Takuya, Maekawa
Takahiro, Hara
|
| 論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
行動認識分野においてもニューラルネットワークを用いた転移学習が注目を集めている．ニューラルネットワークの学習には大量のデータが必要であるが，転移学習を利用することで，既存の大規模データセットを有効活用し，学習データの収集コストを削減することができる．しかし，行動認識データセットは対象とする行動セットが異なるなどの問題のために，想定する利用環境と同じ想定で収集されたデータセットを見つけることは難しく，容易に転移学習を利用することができない．そこで，本研究は転移学習の有効活用に向けて，行動認識ニューラルネットワークが抽出する特徴の可視化と，それを用いた転移元データセットの推薦手法を提案する．本研究ではまず，画像分野の可視化手法であるActivation Maximization（AM）を行動認識モデルに適用することを試みる．画像信号を想定して開発されたAMを，行動認識モデルが扱う加速度信号にそのまま適用すると，ノイズや異常値を多く含む信号が生成される．本研究ではこれを抑制するため，より行動認識モデルに適した正則化手法を提案する．また提案する可視化手法の応用例の1つとして，想定する環境に適した転移学習のための転移元データセットを推薦する手法を提案し，6種類のデータセットを用いてその有効性を確認した． |
| 論文抄録(英) |
|
|
内容記述タイプ |
Other |
|
内容記述 |
Transfer learning using neural networks has been attracting attentionin in the activity recognition research field. Transfer learning can reduce the amount of required training data by leveraging existing large datasets. However, it is difficult to find a dataset collected under the same sensor conditions as the target environment due to problems such as the difference in assumed activity classes, making it difficult to apply transfer learning. In this study, we propose a method to visualize/generate features extracted by a activity recognition neural network and to recommend a source dataset based on the visualization technique. In this study, we first try to apply Activation Maximization (AM), a visualization method for images, to activity recognition models. When the AM methods developed for the image signal is applied to acceleration signal, which is the input of the activity recognition model, the generated signals contain noises and outliers. In this study, we propose a regularization method that is more tailored activity recognition models in order to suppress this problem. We also applied the proposed visualization method to recommend a source dataset for transfer learning that is suitable for a given environment, and confirmed the effectiveness of the method using six datasets. |
| 書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
収録物識別子 |
AN00116647 |
| 書誌情報 |
情報処理学会論文誌
巻 62,
号 5,
p. 1307-1316,
発行日 2021-05-15
|
| ISSN |
|
|
収録物識別子タイプ |
ISSN |
|
収録物識別子 |
1882-7764 |
IPSJ-JNL6205017.pdf (1.1 MB)
