| Project/Area Number |
21H03431
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (B)
|
| Allocation Type | Single-year Grants |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 60060:Information network-related
|
|---|
| Research Institution | Nara Institute of Science and Technology |
|---|
Principal Investigator |
Yasumoto Keiichi 奈良先端科学技術大学院大学, 先端科学技術研究科, 教授 (40273396)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
諏訪 博彦 奈良先端科学技術大学院大学, 先端科学技術研究科, 准教授 (70447580)
水本 旭洋 大阪大学, 大学院情報科学研究科, 特任准教授(常勤) (80780006)
松田 裕貴 奈良先端科学技術大学院大学, 先端科学技術研究科, 客員准教授 (90809708)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Project Status |
Completed (Fiscal Year 2024)
|
| Budget Amount *help |
¥17,160,000 (Direct Cost: ¥13,200,000、Indirect Cost: ¥3,960,000)
Fiscal Year 2023: ¥6,630,000 (Direct Cost: ¥5,100,000、Indirect Cost: ¥1,530,000)
Fiscal Year 2022: ¥6,110,000 (Direct Cost: ¥4,700,000、Indirect Cost: ¥1,410,000)
Fiscal Year 2021: ¥4,420,000 (Direct Cost: ¥3,400,000、Indirect Cost: ¥1,020,000)
|
|---|
| Keywords | ユーザ参加型センシング / 連合学習 / ハイレベルコンテキスト推定 / プライバシー保護 / スマートシティ応用 / 場所のコンテキスト推定 / マルチモーダルセンシング / モバイル連合学習 / 参加型センシング / オブジェクト認識 / ハイレベル場所コンテキス収集 / ハイレベル場所コンテキスト収集 / モバイルフェデレーション学習 |
|---|
| Outline of Research at the Start |
本研究では、ユーザがモバイル・ウェラブルデバイスを使って日頃から収集しているセンサ値や写真などのデータから場所に関連するハイレベルコンテキスト（混雑、風景や人の感情など）をオンデバイスで学習し、認識結果とモデルパラメタのみを他デバイスとフェデレーションラーニングにより共有することで、プライバシー情報の開示なしに、場所に関連したハイレベルコンテキストを広域から収集可能にする技術を開発する。開発した技術を組み込んだ参加型ハイレベルコンテキスト収集基盤およびアプリケーションを実現し、実証実験を通して有効性を示す。
|
| Outline of Final Research Achievements |
In this study, we developed a novel participatory sensing platform that achieves a balance between privacy protection and real-time capability. The system enables on-device estimation of location context and user emotions, combined with federated learning for knowledge sharing, and delivers high-precision urban PoI congestion prediction and an emotion estimation method that does not require eye-tracking or physiological sensors. Furthermore, we proposed and implemented federated learning for tourism object recognition, an opportunistic learning framework for Android devices, an automated image generation system reflecting current tourist site context, and an image differential privacy + k-anonymity method for crowd tracking, demonstrating the system’s practical applicability in the fields of tourism and urban services.
|
| Academic Significance and Societal Importance of the Research Achievements |
本研究は、ユーザ参加型センシングにおいてプライバシー保護とリアルタイム性を両立する新たなセンシング基盤を構築し、オンデバイス推定とフェデレーション学習を組み合わせた知識共有の枠組みを実現した。都市PoI混雑予測や視線・生体センサ不要な感情推定、画像差分プライバシー＋k-匿名性手法などの成果は、学術的にセンシング技術の高度化とプライバシー配慮型AI応用の新展開を示すものである。加えて、観光・都市サービス分野での実用的価値を示しており、今後のスマートシティや持続可能な都市社会の実現に貢献する意義がある。
|
