お知らせ 2023年度・2024年度 学生員 会費割引キャンペーン実施中です
お知らせ 技術研究報告と和文論文誌Cの同時投稿施策(掲載料1割引き)について
お知らせ 電子情報通信学会における研究会開催について
お知らせ NEW 参加費の返金について
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 2021-05-21 10:30
動作認識のための合成データ活用に向けたドメイン適応手法の検討
礒井葉那お茶の水女子大)・竹房あつ子NII)・中田秀基産総研)・小口正人お茶の水女子大PRMU2021-5
抄録 (和) ディープニューラルネットワークの進歩に伴う学習データ不足の問題について様々な議論が行われており, その解決策の1つに合成データを利用した学習がある. 合成データには生成が比較的容易であるという利点があるが, 合成データを用いて学習したモデルには, 実データ解析時にドメインシフトによって解析精度が低下するという課題がある. 本研究では,合成動画像データを活用した高精度な実動画像データ識別の実現を目的とし, 写実的な合成動画像データを作成して学習し, その動作識別精度を調査した. 実験の結果, 合成動画像データにデータ拡張を行い, ラベルなし実動画像データと併せてドメイン適応を用いた学習を行うことで, 実データ動作識別精度の向上が可能であることがわかった. 
(英) The lack of learning data is considered as one of the reasons why the classification accuracies of deep neural networks do not improve. Synthetic data are used for learning to resolve the above issue because they can be generated relatively easier than real data. However, the models trained using synthetic data generally show low classification accuracies for actual data analysis due to domain shift that is differences in data characteristics. To achieve highly accurate video action classification using synthetic video data, we create a realistic synthetic video data set and investigate the video classification accuracies using the data set. The experimental results show that the accuracies can be improved by using data augmentation methods and DNN-based domain adaptation.
キーワード (和) ドメイン適応 / 合成データ / データ拡張 / 敵対的学習 / 動画像分類 / / /  
(英) domain adaptation / synthetic data / data augmentation / adversarial learning / video classification / / /  
文献情報 信学技報, vol. 121, no. 23, PRMU2021-5, pp. 25-30, 2021年5月.
資料番号 PRMU2021-5 
発行日 2021-05-13 (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 PRMU2021-5

研究会情報
研究会 PRMU IPSJ-CVIM IPSJ-NL  
開催期間 2021-05-20 - 2021-05-21 
開催地(和) オンライン開催 
開催地(英) Online 
テーマ(和) Vision & Language 
テーマ(英) Vision & Language 
講演論文情報の詳細
申込み研究会 PRMU 
会議コード 2021-05-PRMU-CVIM-NL 
本文の言語 日本語 
タイトル(和) 動作認識のための合成データ活用に向けたドメイン適応手法の検討 
サブタイトル(和)  
タイトル(英) A Study on Domain Adaptation for Video Action Classification Utilizing Synthetic Data. 
サブタイトル(英)  
キーワード(1)(和/英) ドメイン適応 / domain adaptation  
キーワード(2)(和/英) 合成データ / synthetic data  
キーワード(3)(和/英) データ拡張 / data augmentation  
キーワード(4)(和/英) 敵対的学習 / adversarial learning  
キーワード(5)(和/英) 動画像分類 / video classification  
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) 礒井 葉那 / Hana Isoi / イソイ ハナ
第1著者 所属(和/英) お茶の水女子大学 (略称: お茶の水女子大)
Ochanomizu University (略称: Ochanomizu Univ.)
第2著者 氏名(和/英/ヨミ) 竹房 あつ子 / Atsuko Takefusa / タケフサ アツコ
第2著者 所属(和/英) 国立情報学研究所 (略称: NII)
National Institute of Informatics (略称: NII)
第3著者 氏名(和/英/ヨミ) 中田 秀基 / Hidemoto Nakada / ナカダ ヒデモト
第3著者 所属(和/英) 産業技術総合研究所 (略称: 産総研)
National Institute of Advanced Industrial Science and Technology (略称: AIST)
第4著者 氏名(和/英/ヨミ) 小口 正人 / Masato Oguchi / オグチ マサト
第4著者 所属(和/英) お茶の水女子大学 (略称: お茶の水女子大)
Ochanomizu University (略称: Ochanomizu Univ.)
第5著者 氏名(和/英/ヨミ) / /
第5著者 所属(和/英) (略称: )
(略称: )
第6著者 氏名(和/英/ヨミ) / /
第6著者 所属(和/英) (略称: )
(略称: )
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: )
講演者 第1著者 
発表日時 2021-05-21 10:30:00 
発表時間 15分 
申込先研究会 PRMU 
資料番号 PRMU2021-5 
巻番号(vol) vol.121 
号番号(no) no.23 
ページ範囲 pp.25-30 
ページ数
発行日 2021-05-13 (PRMU) 


[研究会発表申込システムのトップページに戻る]

[電子情報通信学会ホームページ]


IEICE / 電子情報通信学会