| 研究課題/領域番号 |
23K11164
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分61010:知覚情報処理関連
|
|---|
| 研究機関 | 福井大学 |
|---|
研究代表者 |
長谷川 達人 福井大学, 学術研究院工学系部門, 准教授 (10736862)
|
|---|
| 研究期間 (年度) |
2023-04-01 – 2026-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
4,680千円 (直接経費: 3,600千円、間接経費: 1,080千円)
2025年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2024年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2023年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
|
|---|
| キーワード | 行動認識 / 深層学習 / 転移学習 / CNN / Neural Network / Transfer learning |
|---|
| 研究開始時の研究の概要 |
センサを用いた行動認識は重要な要素技術ながらも，実装には訓練用データセットを大量に収集する必要があり，実用面で課題が残る．画像認識や自然言語処理分野では超大規模なデータセットで基盤モデルを構築し，様々な下流タスクへの応用が進んでいる．一方，行動認識では超大規模データセットの構築が困難であったり，タスクごとにデータの書式が大きく異なったりと独自の課題があり，基盤モデル実現は容易ではない．本研究では，多様なデータ書式を統一的に扱えるモデル構造を新たに開発し，複数のデータセットを横断的に用いて事前訓練するアイデアにより，行動認識の基盤モデルの実現を図る．
|
| 研究実績の概要 |
行動認識AIの基盤モデル実現に向け，2023年度は以下3点の研究を主に推進した．
(1)行動認識における深層学習モデル構造の探求：行動認識の推定精度向上に向けて，Network architecture searchを用いた最適なモデル構造の探求（学術論文2）を行った．探索の結果，MBConvを用いて軽量かつ高性能なモデル構造を明らかにした．他にも，深層学習モデルのパラメータにノイズ付与を行うことで，アンサンブル学習モデルを高速に実現する手法（学会発表1）や，破壊的忘却抑制に向けたモデル訓練手法の探求（学会発表4），剪定によるアンサンブル学習モデルの軽量化手法（学会発表7）などの研究を行った．
(2)行動認識のけるラベル無しデータの活用：行動認識ではラベル無しデータを収集することが比較的容易であることかあら，ラベル無しデータを用いた自己教師あり学習と転移学習により，行動認識精度の向上を図る手法を開発した（学術論文3）．複数の表現学習手法を併用している点が特色である．また，ドメインが異なる条件下で，更に入力特徴が異なる行動認識問題を対象に，ハイブリッドドメイン適応を行う手法を開発した（学会発表5）．
(3)深層学習モデルの温度パラメータ：深層学習モデルの出力層のユニット数と，Softmax関数の温度パラメータの関係性に着目し，分類問題における最適な温度パラメータに関する探求を行った（学術論文1）．更に，温度パラメータの問題は画像認識問題でも起こりうることを明らかにし，考察を深化させた（学会発表2）．
この他にも，コンテキストアウェアネスに関する新たなデータの収集（学会発表3）や，英単語学習と行動に関する分析（学会発表6）という課題にも取り組んだ．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
2023年度は，査読有り学術論文3編，国内学会発表を7件実施しており，当初の計画以上に研究が進み，十分な研究業績をあげられている．
|
| 今後の研究の推進方策 |
2023年度は，行動認識に特化した深層学習モデル構造に関する研究を主に実施した．これを踏まえ，2024年度は，様々な入力書式に対応したモデル開発や，基盤モデル実現に向けた行動認識のための転移学習手法の確立に取り組んでいく．また，引き続きモデル構造の探求や，行動認識データセットの拡充にも努めていく．
|
