| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2017-02-19 10:20 内部状態自動推定のための深層学習に基づく挙動認識に関する研究 ○山口莞爾・鹿嶋雅之・福元伸也・佐藤公則・渡邉 睦（鹿児島大）  PRMU2016-177 CNR2016-44 |
|
| 抄録 | （和） | 近年，日本は高ストレス社会へと変化しつつある．ストレスの原因は心が張り詰めた状態である不安や緊張によるところが大きい．不安や緊張の状態を機械が認識し，和らげることができれば，ストレスによる種々の問題を改善することが可能となる．近年，画像認識や音声認識の成功から深層学習(Deep Learning)が様々な認識問題に応用されている．本研究は，映像から対象者の緊張状態をDeep Learningを用いて推定することを目標としている．しかし，緊張状態を推定するには，対象者から得られる表情や挙動などの外部情報を認識する必要がある．そこで，本稿では，映像から対象者の挙動を認識することを目的とし，時系列的なDeep Learningの認識手法を検証している．結果から，3D-Convolutional Neural Networks(3D-CNNs)において最も高い認識を示すことが分かった．これは，挙動のような時系列認識において，時間方向に対する三次元畳込みによる特徴学習が有効であることを示している． |
| （英） | Japan is turning into a high-stress society.Cause of stress are those that are in a state of mind taut by "anxiety-tension".Risk of various problems caused by stress cause are reduced and improved if Autometic recognition of anxiety tension is relized.In recent years, Deep Learning has been studied in various recognition problems from the success of image recognition and speech recognition.The purpose of this research is to estimate the tension state of the target person using Deep Learning from the moving images.However, to estimate the state of tension, it is necessary to recognize external information such as facial expression and behavior of the subject.Therefore, this paper aims to recognize the behavior of the target person from moving images, and also verifies and compares time series deep learning recognition. From the results, it was found that the highest recognition performance is shown in 3D-Convolutional Neural Network.This indicates that feature learning for 3D-CNNs in the time direction is effective. |
|
| キーワード | （和） | 内部状態推定 / 挙動認識 / 畳込みニューラルネットワーク / 三次元畳込みニューラルネットワーク / 再帰型ニューラルネットワーク / Long Short Term Memory / / |
| （英） | Person's Internal state sstimation / Action recognition / Convolutional Neural Networks / 3D-Convolutional Neural Networks / Recurrent Neural Networks / Long Short Term Memory / / | |
| 文献情報 | 信学技報, vol. 116, no. 461, PRMU2016-177, pp. 143-148, 2017年2月. | |
| 資料番号 | PRMU2016-177 | |
| 発行日 | 2017-02-11 (PRMU, CNR) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | PRMU2016-177 CNR2016-44 |
|
| 研究会情報 | |
| 研究会 | PRMU CNR |
| 開催期間 | 2017-02-18 - 2017-02-19 |
| 開催地（和） | 北海道大学 |
| 開催地（英） | |
| テーマ（和） | 実世界センシングと応用 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2017-02-PRMU-CNR |
| 本文の言語 | 日本語 |
| タイトル（和） | 内部状態自動推定のための深層学習に基づく挙動認識に関する研究 |
| サブタイトル（和） | |
| タイトル（英） | Research of Action Recognition for Automatic Internal State Estimation based on Deep Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 内部状態推定 / Person's Internal state sstimation |
| キーワード(2)（和/英） | 挙動認識 / Action recognition |
| キーワード(3)（和/英） | 畳込みニューラルネットワーク / Convolutional Neural Networks |
| キーワード(4)（和/英） | 三次元畳込みニューラルネットワーク / 3D-Convolutional Neural Networks |
| キーワード(5)（和/英） | 再帰型ニューラルネットワーク / Recurrent Neural Networks |
| キーワード(6)（和/英） | Long Short Term Memory / Long Short Term Memory |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 山口 莞爾 / Kanji Yamaguchi / ヤマグチ カンジ |
| 第1著者 所属（和/英） | 鹿児島大学 (略称： 鹿児島大) Kagoshima University (略称： kagoshima Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 鹿嶋 雅之 / Masayuki Kashima / カシマ マサユキ |
| 第2著者 所属（和/英） | 鹿児島大学 (略称： 鹿児島大) Kagoshima University (略称： kagoshima Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 福元 伸也 / Shinya Fukumoto / フクモト シンヤ |
| 第3著者 所属（和/英） | 鹿児島大学 (略称： 鹿児島大) Kagoshima University (略称： kagoshima Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 佐藤 公則 / Kiminori Satou / サトウ キミノリ |
| 第4著者 所属（和/英） | 鹿児島大学 (略称： 鹿児島大) Kagoshima University (略称： kagoshima Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 渡邉 睦 / Mutsumi Watanabe / ワタナベ ムツミ |
| 第5著者 所属（和/英） | 鹿児島大学 (略称： 鹿児島大) Kagoshima University (略称： kagoshima Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2017-02-19 10:20:00 |
| 発表時間 | 25分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2016-177, CNR2016-44 |
| 巻番号（vol） | vol.116 |
| 号番号（no） | no.461(PRMU), no.462(CNR) |
| ページ範囲 | pp.143-148 |
| ページ数 | 6 |
| 発行日 | 2017-02-11 (PRMU, CNR) |
[研究会発表申込システムのトップページに戻る]