2019 Fiscal Year Research-status Report
視覚神経系の時空間応答特性に学んだ小型・リアルタイム手話認識システム
| Project/Area Number |
19K12916
|
|---|
| Research Institution | Osaka Institute of Technology |
|---|
Principal Investigator |
奥野 弘嗣 大阪工業大学, 情報科学部, 講師 (30531587)
|
|---|
| Project Period (FY) |
2019-04-01 – 2022-03-31
|
| Keywords | ニューロモーフィック / 画像処理 / ロボットビジョン / 手話認識 / 人工知能 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は，時空間視覚特徴の抽出，及びこの特徴を利用した視覚情報認識を効率よく行っている生体の視覚神経系に学び，手のひらサイズで実時間動作する手話認識システムの開発を行うことである．この目的を実現するため，本年度は(1)生体の一次視覚野の時空間応答特性に学んだ特徴量抽出のシミュレーションと，(2)特徴情報の時空間パターンからパターン分類可能な人工知能のシミュレーションを行った．
(1)では，一次視覚野の時空間応答特性を元に作られたモデル（N. C. Rust, et al., Neuron, 2005）を，Pythonを用いてプログラミングし，様々な視覚入力に対する応答のシミュレーションをおこなった．入力信号として利用したのは，45度ごと8方位の輪郭，並びにサイン波グレーティングである．シミュレーションの結果は，本モデルが優れた運動方向選択性を有していることを示し，動きパターンを分類する人工知能に入力する信号を生成するための前処理器として適していることを示した．
(2)では，(1)の前処理により予め特徴抽出が行われている情報を利用することから，現在広く利用されている深層ニューラルネットワーク (NN) は必要ないと判断し，層が浅く計算コストの低い再帰的NNである，echo state network (ESN)を利用した．ESNのプログラミングには，Pythonを用いた．プログラムしたESNに，ヒトの運動（歩く，走る，飛ぶ，等）の識別課題を行わせた．前処理を行った入力と，行わなかった入力をESNに与え，識別精度を比較した．ここで用いた前処理は，(1)がまだ完了していないことから，(1)のものではなく，昆虫の視覚神経系の応答に学んだ視覚運動特徴抽出モデルであるEMDによる処理である．本実験の結果は，前処理済みの信号に対して，ESNが高い精度で識別課題を行えることを示した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
時空間特徴量の抽出方法の検討，並びに特徴情報の時空間パターンを分類するための人工知能の開発が共に一定の成果を得ているため，概ね順調といえる．
|
| Strategy for Future Research Activity |
手話認識等，動き認識に有効な時空間特徴量抽出のアルゴリズムを，生体視覚野に学びながら確立していくとともに，このアルゴリズムの回路化を検討する．また，特徴量抽出済みの信号から，効率よく時系列データの識別が行える軽量な人工知能の開発を行う．
|
| Causes of Carryover |
コロナウイルスの感染拡大で出張ができなくなり，主に旅費に残額が生じた。繰越金は，人工知能開発を加速するための，高性能コンピュータ等の購入に利用する．
|
Research Products
(12 results)
