|
本研究の目的は，時間軸に対して頑強性を有する表情認識モデルの確立である．具体的には，初期に生成した表情特徴空間（表情認識モデル）が時間経過とともに，進化・適応していくための手法を確立する．
本研究では，表情特徴空間の適応学習機能を，追加学習，再学習，忘却という三つの機能に細分化し，安定性と可塑性を併せ持った追加学習アルゴリズムであるART（適応共鳴理論）と，人間の脳が有する自己組織化と適応学習をモデルとしたCPN（カウンタープロパゲーションネットワーク）を応用することにより，個々のアルゴリズムについて検討する．さらに，人間との長期的なインタラクションを通じて，表情認識機能の時間軸に対する頑強性を評価する．
初年度の平成25年度は表情特徴空間の適応学習に関する基礎検討を行い，提案手法が既存の知識（過去に学習済みの表情パターン）を保持したまま，新たな知識（未学習の表情パターン）を追加的に獲得できることを明らかにした．平成26年度は，長期的な適応学習において既存の知識と新規の知識の共存を可能とする表情特徴空間の再学習法に関する知見を得た（表情特徴空間の次元数，サイズ，再学習を行う際の学習データセットの生成法）．
最終年度の平成27年度は，上記で得た知見を基に提案手法の性能および有用性を評価した．具体的には，11日間にわたって撮影した自然かつ長期的な表情画像を用いて，適応学習機能の検証を実施した．その結果，提案手法の表情認識率は初期学習時から日数を経るごとに徐々に向上することが確認された．また，学習データを一括学習した場合と比較して同等以上の認識性能を有することを明らかにした．以上より，提案手法は既存の知識を保持しつつ，新たな知識を段階的に追加学習可能であり，時間経過に対して頑強な表情認識手法として有用であることを明らかにした．
|
