2022 Fiscal Year Annual Research Report
Study on Low-Cost Implementation of Machine Learning by Using Edge Computing
| Project/Area Number |
20K11994
|
|---|
| Research Institution | Kagoshima University |
|---|
Principal Investigator |
重井 徳貴 鹿児島大学, 理工学域工学系, 教授 (90294363)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
宮島 洋文 長崎大学, 情報データ科学部, 准教授 (60781995)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 機械学習 / エッジコンピューティング / ディープラーニング / 画像認識 / セキュリティ / IoT / モバイルロボット |
|---|
| Outline of Annual Research Achievements |
1)低コストなIRセンサを用い、プライバシー確保のメリットがあるサーモグラフィーによる非接触入力インターフェースに関して、深層学習モデルによる指の本数の識別に基づく方式の識別精度改善について検討した。昨年度考案した背景削除の手法に関する研究成果を、論文誌ICIC-ELBにおいて発表した。また、位置ずれに着目した改善手法により、92%程度であった精度を98%程度まで改善し、電気・情報関係学会九州支部連合大会において発表した。
2)屋内の自動巡回の用途に使用することを想定した安価なハードウェアで実装した移動型ノード（モバイルロボット）の自動走行に関しては、停止動作改善のための学習データ生成手法と深層学習モデルの切り替え手法を提案し、これまで困難であった切り返し動作と停止動作の同時獲得を可能とし、その成果を論文誌IJICICで発表している。
3)セキュリティを考慮した機械学習であるセキュアマルチパーティー計算（SMC）に関して、処理時間や通信不能時の問題への対応について検討した。アルゴリズムの観点からは、計算量を削減した手法を学術誌「知能と情報」において発表した。実装面を考慮した手法として、ソケット通信を用いた実装においてタイムアウトを導入し、通信可能な一部のサーバ間のみで更新を継続する手法を提案し、処理時間と通信不能時の問題の両方に対処できることを国際会議AROBで発表している。また、セキュリティ面の改善に関する成果を、国際会議NaNAなどで発表している。
|
