2018 Fiscal Year Research-status Report
| Project/Area Number |
16K00231
|
|---|
| Research Institution | Chiba University |
|---|
Principal Investigator |
川本 一彦 千葉大学, 大学院工学研究院, 教授 (30345376)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
岡本 一志 電気通信大学, 大学院情報理工学研究科, 助教 (10615032)
|
|---|
| Project Period (FY) |
2016-04-01 – 2020-03-31
|
| Keywords | 時空間統計モデル / 人物行動解析 / 深層学習 / データ拡張 |
|---|
| Outline of Annual Research Achievements |
本研究では，ビデオ映像を用いた集団行動解析のための時空間統計モデリング法を開発する．位置情報だけでなく属性情報も扱える統計モデルおよび推定法を開発し，行動解析に必要な人物間あるいは人物―環境間に内在する近接関係をデータに基づいて推定する方法を構築する．本年度では，人物移動予測モデルに付随させる深層モデルの開発に注力し，以下を実施した．
1．前年度に引き続き，人物移動データに行動属性を与えるために一人称行動認識システムを開発した．本年度では，とくに深層学習モデルのアーキテクチャを改良し，認識性能の向上をはかった．成果は，国際会議・国内会議にて発表し，さらに成果の一部は論文誌に採択されている．
2．人物移動追跡のために，深層オンライン学習に基づく開発を実施した．さらに動画タスクに対するデータ拡張のための方法を提案した．成果は，国内会議および国際会議にて発表している．
3. 以上の２つの深層学習を支援するために，データ拡張法も提案し，それぞれに適用している．データ拡張として，データ合成による方法や敵対的生成ネットワークによる方法を提案している．国際会議・国内会議にて発表し，さらに成果の一部は論文誌に採択されている．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本年度では，動画から人物の動きや行動を認識するための深層学習に注力して，深層アーキテクチャの構築やデータ拡張法の提案を実施した．統計的モデリングでは，データ収集も重要であることから，深層学習技術を導入することは人物移動モデリングにとっても意義が高い．国際論文誌，和文論文誌，および国際会議等にて成果発表も実施しており，計画通りに進捗している．
|
| Strategy for Future Research Activity |
本研究で扱うような動画タスク（移動予測，位置検出，行動認識）に対して深層学習は欠かせない技術になっているが，一方で訓練データの収集やアノテーション作業には大きなコストがかかっている．動画に関するデータ拡張法をこれまで提案しているが，今後も引き続き研究を重ね性能向上に努める．同時に，深層アーキテクチャの改良も続け，人物移動予測モデルと深層学習技術を融合するための技術基盤を開発する．
|
| Causes of Carryover |
本年度の研究成果の論文誌や国際・国内会議への投稿が計画より少し遅れたため，掲載や採択が次年度になり，これらの対外成果発表費として執行する予定である．対外発表等により本研究の目的をより精緻に達成することが期待できる．
|
