2019 Fiscal Year Research-status Report
敵対的生成ネットワークによる不審動作検出器および生成器の学習
| Project/Area Number |
19K20310
|
|---|
| Research Institution | Tokyo Metropolitan Industrial Technology Research Institute |
|---|
Principal Investigator |
三木 大輔 地方独立行政法人東京都立産業技術研究センター, 開発本部開発第三部情報技術グループ, 副主任研究員 (70757343)
|
|---|
| Project Period (FY) |
2019-04-01 – 2021-03-31
|
| Keywords | 人物動作解析 / 異常検知 / 深層学習 / 敵対的生成ネットワーク |
|---|
| Outline of Annual Research Achievements |
監視カメラ映像から人物の不審動作を検出するための異常検出器および、その汎化性能の向上を目的とした生成器を敵対的に学習させる方法について開発に取り組んだ。異常検出器には、人物動作に関する時系列データを入力として、その異常度を推定する深層ニューラルネットワーク（Deep neural network, DNN）を弱ラベルの付与された人物動作に関する時系列データセットを用い、マルチインスタンス学習に着想を得た、新たな弱教師付き学習手法により最適化することで、時系列データに潜在する異常特徴を抽出することを可能とした。本DNNを適用することで、人物の不自然な動作を認識することを可能とした。さらに損失関数を工夫することで、異常の検出のみならず、識別が可能であることを確認した。また、人物の関節位置をノード、その接続をエッジとしたグラフ構造として表現した時系列データを用い、グラフ畳み込みニューラルネットワーク（Graph Convolutional Neural Network, GCN）を用いることで、その識別精度が向上できることを確認している。さらに、上記DNNに再帰的な構造をもつLSTMを適用することも有効であることを確認しており、このようなDNNは人物動作以外の時系列データの解析（例えば故障検知）にも有効であることを確認している。上記弱教師付き学習により、あらかじめ学習された異常検出器は敵対的生成ネットワーク（Generative adversarial network, GAN）との相性が良く、生成器と併せて敵対的に学習することが可能であることを確認している。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
異常検出器の開発は順調に進んでいる。特に、弱ラベル付き人物動作データセットを用いマルチインスタンス学習に着想を得たDNNの最適化を行うことで、時系列データに潜在する異常特徴を抽出可能であることを確認している。また、本DNNはGANとの相性が良好であることが確認できており、研究はおおむね順調に進展していると判断される。
|
| Strategy for Future Research Activity |
計画通り、生成器を異常検出器と敵対的に学習させる方法の検討を行い、異常検出器の汎化性能の向上に取り組む。
|
| Causes of Carryover |
新型コロナウイルス感染拡大防止に伴い物品購入に遅れが出たが、今後、計画通り執行していく。
|
Research Products
(5 results)
