|
本研究は、実用性の高い、高性能のビデオ暴力度レーティング手法を開発することを目的とする。この目標は、（１）人物検出に基ついた時空間特徴プーリング技術、（２）グラフィック・モデルを用いた暴力要素認識結果の最適化技術、（３）リストワイズ・ランキングに基ついた暴力度レーティング手法の開発、及び、（４）時空間並列処理の導入という４つのキーステップにより実現する。
今年度では、主に（１）人物検出に基ついた時空間特徴プーリング技術、（２）グラフィック・モデルを用いた暴力要素認識結果の最適化技術、（３）リストワイズ・ランキングに基ついた暴力度レーティング手法の開発、及び、（４ｂ）空間上並列処理技術の研究開発を行った。
（１）について、前年度に提案したSTN-CNNベースのデープランニング手法を改良した。STNとCNN両方を一括に学習するのは非常に難しいため、STNの学習のための教師ありプレトレーニング手法を開発し、STN及びSTN-CNNの性能を大幅に向上させた。
（２）については、前年度実装したグラフィック・モデルの有効性を確認するため、新たに1930個のラベリング済みデータを用意し、評価実験を行いました。
（３）リストワイズ・ランキングに基ついた暴力度レーティング手法を開発し、ある程度の有効性を確認できた。レーティング精度をさらに向上させるため、Two-stream CNNとペアワイズ・ランキングを組み合わせた新しい手法を提案し、大幅の性能向上を確認出来た。
（４ｂ）前年度（４a）と同様に、複数枚GPUを同時利用した特徴抽出手法を実装し、計算速度の向上を確認した。
|
