2019 Fiscal Year Annual Research Report
Anomalous/Exceptional Pattern Mining with Weak Label Information from Stream Data
| Project/Area Number |
18H03290
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
鈴木 英之進 九州大学, システム情報科学研究院, 教授 (10251638)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
安藤 晋 東京理科大学, 経営学部ビジネスエコノミクス学科, 准教授 (70401685)
|
|---|
| Project Period (FY) |
2018-04-01 – 2021-03-31
|
| Keywords | 異常・例外発見 / ストリームデータマイニング / 弱ラベル学習 / イメージキャプショニング / 単語埋め込み |
|---|
| Outline of Annual Research Achievements |
昨年度考案・開発した，深層キャプショニングで得られる説明文を弱ラベルとして活用し，画像ストリームデータから異常領域を発見する手法を洗練し，主に人見守りロボットデータとビデオカメラデータに適用して種々の実験を行い，VISAPP 2020国際会議で発表した．この手法は，信号源が変化する動的データの代表例である動画像データの顕著画像領域とその弱ラベルである説明文を，単語埋め込みと深層畳み込みニューラルネットワークなどを用いて画像特徴，説明文特徴，位置特徴に変換し，データスカッシング型クラスタリングを用いて圧縮してそこからの異常・例外性を発見することで目的を達成する．この手法は1クラス異常検知に属すため，クラスラベリングの手間が無く，検出する異常・例外性をあらかじめ指定・仮定する必要がない．われわれの国際会議発表は最優秀ポスター賞を受賞した．
上記の異常・例外性発見手法はクラスタリングを基盤としているが，近年目覚ましい性能を達成している生成的敵対ネットワーク（GAN）を用いるアプローチも有望と考えられる．弱ラベルを使用しない部分問題について，生成的敵対ネットワークを用いる2種類の1クラス異常検知を，見守りロボットデータとビデオカメラデータに適用して種々の実験を行い，有用な知見を得た．この成果はISMIS 2020国際会議に採択され，2020年度に発表する予定である．
その他，選択転移機械に基づく汎用データからの1クラス異常検知，詳細カテゴリ用の生成的敵対ネットワークに基づくワンショット画像生成，動的テキストストリーム用の統計的機械学習に基づくトピックセグメンテーション，動的画像ストリームからの長・短期記憶に基づく異常顔検知などにも取り組み，成果を挙げた．これらの内，最初の3件は国際ジャーナルか国際会議に採択された．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
画像ストリームデータに弱ラベルを付与する異常・例外性発見手法を洗練して大規模実験を行い，成果を国際発表した．他の種類の成果も4件は国際ジャーナルか国際会議に採択された．
|
| Strategy for Future Research Activity |
VISAPP 2020国際会議で発表した手法をさらに多様なデータで検証し，他種類の異常・例外性発見を検討するなど，より発展・洗練することを試みる．生成的敵対ネットワークを用いるアプローチにおいて，深層キャプショニングで得られる説明文を弱ラベルとして活用するアプローチを探求する．動的テキストストリーム用の統計的機械学習に基づく異常・例外性発見と，動的画像ストリームからの異常顔検知，人見守りロボットの異常・例外性発見，深層学習・埋め込みによる異常検知にも引き続き取り組み，当初の目的を高いレベルで達成する．
研究成果は，引き続き積極的に国際発表する．
|
