| 研究課題/領域番号 |
17K00309
|
|---|
| 研究機関 | 九州大学 |
|---|
研究代表者 |
高野 茂 九州大学, 持続的共進化地域創成拠点, 准教授 (70336064)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| キーワード | マルチセンシングデータ解析 / ウェーブレット解析 / 深層学習 / 画像認識 / スマートセンサ情報システム |
|---|
| 研究実績の概要 |
本研究では、個人や環境に適応するマルチセンシングデータ解析システムの開発を実施した。ICTを活用した持続可能な社会を構築するためには、実社会の様相をセンシングし、テデータを解析することが必要不可欠であるが、センサデータのセキュリティやプライバシーを考慮することが大変重要である。そこで、センシングデータから個人や環境の状況を判断するために、深層学習によるアプローチで構築されるDeep Lifting Waveletの学習理論を考案し、マルチセンシング環 境が収集するヒトや環境に関する0次データを、より高次の状態を識別可能な1次データに変換する手法を提案する。
H30年度は、エッジコンピューティングに利用可能な深層学習モデルを実装するために、H29年度に考案したリフティング複素ウェーブレット(LCWT)に基づく深層学習モデル(LcwtNet)をもとに、より簡単な学習モデルを構築した。提案モデルでは、上位の特徴抽出層はHaarウェーブレット変換後に、リフティングパラメータを適用するよう構成しており、LcwtNetと比較してより高速に学習することができる。FSでは、数字文字画像の識別問題において、エポック数を増やすことで、従来のLcwtNetよりもコンパクトなモデルを構築し、かつ識別精度を向上させることができた。提案手法では、センサが収集する0次データを、セキュリティやプライバシーを考慮した1次データに変換する機構を 小型デバイスに実装することができる。これは、センサにより収集した生データをそのままクラウドサーバに蓄積する従来型の収集機構ではなく、末端の収集デバイスの中で、セキュリティやプライバシーを考慮した1次変換を施し、新しいセンサデータとして提供することのできる仕組みとなる。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
本年度は、よりコンパクトな深層学習モデルを考案し、学習時間を高速化するとともに、
画像データの識別問題において、従来手法と比較して精度を向上させることができた。既存の深層学習モデルと比較しても、識別性能を落とさずにパラメータの数を半分に抑えることに成功している。
|
| 今後の研究の推進方策 |
今後は、大学キャンパスの広域人流データなど、実際のセンサデータへの応用を視野に研究開発を進め、研究成果は、国内外の学会において発表する。
|
| 次年度使用額が生じた理由 |
今年度の研究成果発表にかかる旅費での支出を計画しておりましたが、発表を次年度に延期いたしました。来年度以降は、研究成果を社会実装できるよう、引き続き提案手法を実装したエッジデバイスの開発に予算を集中するように計画しています。
|
