2021 Fiscal Year Annual Research Report
Development of Finegrained and Explainable Violence Rating Approaches
| Project/Area Number |
20K19831
|
|---|
| Research Institution | Ritsumeikan University |
|---|
Principal Investigator |
ワン ユ 立命館大学, 情報理工学部, 助教 (60724169)
|
|---|
| Project Period (FY) |
2020-04-01 – 2022-03-31
|
| Keywords | 暴力度レーティング / 畳み込みニューラルネットワーク |
|---|
| Outline of Annual Research Achievements |
本研究は，詳細かつ解釈可能な暴力度レーティング技術の開発を目標とする．この目標は，[1]相対的な属性値を用いたラベリング手法の確立，および，[2]モジュール型深層モデルの開発により実現する．今年度は昨年度の研究結果を踏まえて，[1]と[2]についてそれぞれ以下の研究開発を行った．
[1]については，「相対的な属性値を用いたラベリング」アルゴリズムの実装を完成した．一方，コロナ禍が続く中，昨年度と同じく，十分な学生アルバイトを動員できず（研究期間全体を通じての雇用予定は20名ですが，実績は7名にとどまった），ラベリング作業は予定通り進まなかった．したかって，アルゴリズムの性能評価に関して，大規模の評価実験ができず，最小限の検証実験のみを行った．提案アルゴリズムの有効を確認できたものの，さらなる検証が必要と考えられる．
[2]については，昨年度に開発したCRA-CNNの続き，今年度ではRecursive Multi-scale Channel-spatial Attention（RMCSAM）という新しい汎用型アテンションモジュール，Discriminative Part CNN（DP-CNN）という人体パーツを強調する畳み込みニューラルネットワーク，およびMulti-scale CNN（MS-CNN）という複数の受容野を持つ畳み込みニューラルネットワーク，をそれぞれ提案し，画像・映像認識タスクの標準データセットにおいて大規模の評価実験を行った．また，暴力度の詳細レーティングタスクにおいて，小規模の評価実験ではあったが，既存手法との比較実験をを行い，提案モジュールやネットワークの性能や解釈性においての優位性を確認できた．
|
Research Products
(6 results)
