講演抄録/キーワード |
講演名 |
2018-12-14 16:20
頑健な動作認識のためのアンサンブルLSTMとCRFの結合手法 ○安部 永・早川裕太(東工大)・日野拓也・杉原幹英・池谷浩樹(コマツ)・下坂正倫(東工大) PRMU2018-94 |
抄録 |
(和) |
建機の作業操作の定量化は操縦者の技量評価や生産性改善に向けた指導に有用である.作業操作の定量化を自動化するには,建機に装着されたセンサ時系列データから作業を自動認識する技術が必要である.このような動作認識では時系列を扱うためLSTMを用いた認識モデルが近年盛んに研究されている.動作認識では長期時系列も認識対象であるため,可変長のLSTMを用いる場合,そのネットワーク構造が膨大になり学習が困難となる.よって固定長のLSTMを走査し逐次的に識別を行う方法が用いられる.この場合,同一時刻の入力に対して複数のLSTMの出力が得られるものの,従来手法は同一時刻に単一のLSTMの出力を選択することが多い.そこで本研究では,単一のLSTMの出力を選択する問題を指摘し,複数の出力を用いて性能向上を具現化する方策を講ずることを目的とする.具体的には,走査により得られるLSTMの複数の出力をCRFを用いて高精度に統合する手法を提案する.提案手法は学習データを元に出力に重み付けすることで高精度に統合が可能な手法である.人工データおよび建設機械の動作認識実験において提案手法が他手法に比べMacro-Fを約5ポイント上回ったことから,提案手法の有効性を示した. |
(英) |
Recognizing the activities of the construction vehicle helps to assess the skill of the workers or give a technical guidance to improve the workers' skill. Many research employ LSTM which can utilize long-term dependency for the activity recognition tasks. When we apply LSTM to the activity recognition tasks, we obtain multiple prediction results for data at the same frame. Conventional methods tend to employ an output only from the last frame of LSTM and others are disposed. Prediction accuracy can be improved by integrating these multiple outputs, but there is no current study. In this research, we tackle this issue by employing CRF. We'll show the proposed method overcomes the other methods throughout the experiment. |
キーワード |
(和) |
動作認識 / 建機 / LSTM / 条件付き確率場 / 深層学習 / / / |
(英) |
Activity recognition / Construction vehicle / LSTM / CRF / Deep learning / / / |
文献情報 |
信学技報, vol. 118, no. 362, PRMU2018-94, pp. 103-108, 2018年12月. |
資料番号 |
PRMU2018-94 |
発行日 |
2018-12-06 (PRMU) |
ISSN |
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 |
PRMU2018-94 |
研究会情報 |
研究会 |
PRMU |
開催期間 |
2018-12-13 - 2018-12-14 |
開催地(和) |
東北大学 |
開催地(英) |
|
テーマ(和) |
深層学習とPRMU技術およびその応用 |
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 |
2018-12-PRMU |
本文の言語 |
日本語 |
タイトル(和) |
頑健な動作認識のためのアンサンブルLSTMとCRFの結合手法 |
サブタイトル(和) |
|
タイトル(英) |
Correcting Outputs of Ensemble LSTMs by CRF for Robust Activity Recognition |
サブタイトル(英) |
|
キーワード(1)(和/英) |
動作認識 / Activity recognition |
キーワード(2)(和/英) |
建機 / Construction vehicle |
キーワード(3)(和/英) |
LSTM / LSTM |
キーワード(4)(和/英) |
条件付き確率場 / CRF |
キーワード(5)(和/英) |
深層学習 / Deep learning |
キーワード(6)(和/英) |
/ |
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) |
安部 永 / Haruka Abe / アベ ハルカ |
第1著者 所属(和/英) |
東京工業大学 (略称: 東工大)
Tokyo Institute of Technology (略称: Tokyo Tech) |
第2著者 氏名(和/英/ヨミ) |
早川 裕太 / Yuta Hayakawa / ハヤカワ ユウタ |
第2著者 所属(和/英) |
東京工業大学 (略称: 東工大)
Tokyo Institute of Technology (略称: Tokyo Tech) |
第3著者 氏名(和/英/ヨミ) |
日野 拓也 / Takuya Hino / ヒノ タクヤ |
第3著者 所属(和/英) |
小松製作所 (略称: コマツ)
Komatsu Ltd. (略称: KOMATSU) |
第4著者 氏名(和/英/ヨミ) |
杉原 幹英 / Motohide Sugihara / スギハラ モトヒデ |
第4著者 所属(和/英) |
小松製作所 (略称: コマツ)
Komatsu Ltd. (略称: KOMATSU) |
第5著者 氏名(和/英/ヨミ) |
池谷 浩樹 / Hiroki Ikeya / イケヤ ヒロキ |
第5著者 所属(和/英) |
小松製作所 (略称: コマツ)
Komatsu Ltd. (略称: KOMATSU) |
第6著者 氏名(和/英/ヨミ) |
下坂 正倫 / Masamichi Shimosaka / シモサカ マサミチ |
第6著者 所属(和/英) |
東京工業大学 (略称: 東工大)
Tokyo Institute of Technology (略称: Tokyo Tech) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
第21著者 氏名(和/英/ヨミ) |
/ / |
第21著者 所属(和/英) |
(略称: )
(略称: ) |
第22著者 氏名(和/英/ヨミ) |
/ / |
第22著者 所属(和/英) |
(略称: )
(略称: ) |
第23著者 氏名(和/英/ヨミ) |
/ / |
第23著者 所属(和/英) |
(略称: )
(略称: ) |
第24著者 氏名(和/英/ヨミ) |
/ / |
第24著者 所属(和/英) |
(略称: )
(略称: ) |
第25著者 氏名(和/英/ヨミ) |
/ / |
第25著者 所属(和/英) |
(略称: )
(略称: ) |
第26著者 氏名(和/英/ヨミ) |
/ / |
第26著者 所属(和/英) |
(略称: )
(略称: ) |
第27著者 氏名(和/英/ヨミ) |
/ / |
第27著者 所属(和/英) |
(略称: )
(略称: ) |
第28著者 氏名(和/英/ヨミ) |
/ / |
第28著者 所属(和/英) |
(略称: )
(略称: ) |
第29著者 氏名(和/英/ヨミ) |
/ / |
第29著者 所属(和/英) |
(略称: )
(略称: ) |
第30著者 氏名(和/英/ヨミ) |
/ / |
第30著者 所属(和/英) |
(略称: )
(略称: ) |
第31著者 氏名(和/英/ヨミ) |
/ / |
第31著者 所属(和/英) |
(略称: )
(略称: ) |
第32著者 氏名(和/英/ヨミ) |
/ / |
第32著者 所属(和/英) |
(略称: )
(略称: ) |
第33著者 氏名(和/英/ヨミ) |
/ / |
第33著者 所属(和/英) |
(略称: )
(略称: ) |
第34著者 氏名(和/英/ヨミ) |
/ / |
第34著者 所属(和/英) |
(略称: )
(略称: ) |
第35著者 氏名(和/英/ヨミ) |
/ / |
第35著者 所属(和/英) |
(略称: )
(略称: ) |
第36著者 氏名(和/英/ヨミ) |
/ / |
第36著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2018-12-14 16:20:00 |
発表時間 |
15分 |
申込先研究会 |
PRMU |
資料番号 |
PRMU2018-94 |
巻番号(vol) |
vol.118 |
号番号(no) |
no.362 |
ページ範囲 |
pp.103-108 |
ページ数 |
6 |
発行日 |
2018-12-06 (PRMU) |