講演抄録/キーワード |
講演名 |
2014-12-12 13:00
クロスデータセットに対するセルフトレーニングでのデータ選択手法の提案 ○鈴木嵩史・ワン ユ・加藤ジェーン・間瀬健二(名大) PRMU2014-80 |
抄録 |
(和) |
高性能な行動認識器の学習には大量のラベル付きデータが必要である.しかし,ラベル付きデータを用意することは高コストであり,ユーザへの負担が大きい.そのため,ラベル付きデータを用意するコストの削減が求められる.そこで,本研究では,ラベルなしデータのみからなるデータセット(目標データセット)の認識器の学習に十分なラベル付きデータがある別のデータセット(元データセット)を利用する.このようなクロスデータセットにおける認識器の学習手法として,SVMとkNN法を組み合わせたデータ選択によるセルフトレーニングを提案した.評価実験では,提案手法は単純なセルフトレーニングよりも安定して良い精度を示した. |
(英) |
In action recognition, in order to obtain high performance classifiers, it is necessary to feed the training algorithm enough labeled data.
Since labeling is a very expensive task, it is necessary to develop approaches which can efficiently reuse labeled data.
In this work, we consider the task of utilizing labeled data from one dataset (source dataset) to train action classifiers for data from another completely unlabeled dataset (target dataset).
We propose a novel approach for such a task by extending the well-known self-training algorithm to including two different data selecting criterions that are inspired by Support Vector Machine and k-Nearest Neighbor.
The superior of our approach has been confirmed by benchmark dataset. |
キーワード |
(和) |
行動認識 / パターン認識 / セルフトレーニング / / / / / |
(英) |
Action Recognition / Pattern Recognition / Self Training / / / / / |
文献情報 |
信学技報, vol. 114, no. 356, PRMU2014-80, pp. 85-89, 2014年12月. |
資料番号 |
PRMU2014-80 |
発行日 |
2014-12-04 (PRMU) |
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 |
PRMU2014-80 |
研究会情報 |
研究会 |
PRMU |
開催期間 |
2014-12-11 - 2014-12-12 |
開催地(和) |
九州大学 |
開催地(英) |
|
テーマ(和) |
新メディア,および安心・安全社会に寄与するパターン認識 |
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 |
2014-12-PRMU |
本文の言語 |
日本語 |
タイトル(和) |
クロスデータセットに対するセルフトレーニングでのデータ選択手法の提案 |
サブタイトル(和) |
|
タイトル(英) |
A proposal for data selection in self-training based cross dataset action recognition |
サブタイトル(英) |
|
キーワード(1)(和/英) |
行動認識 / Action Recognition |
キーワード(2)(和/英) |
パターン認識 / Pattern Recognition |
キーワード(3)(和/英) |
セルフトレーニング / Self Training |
キーワード(4)(和/英) |
/ |
キーワード(5)(和/英) |
/ |
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) |
鈴木 嵩史 / Takafumi Suzuki / スズキ タカフミ |
第1著者 所属(和/英) |
名古屋大学 (略称: 名大)
Nagoya University (略称: Nagoya Univ) |
第2著者 氏名(和/英/ヨミ) |
ワン ユ / Yu Wang / ワン ユ |
第2著者 所属(和/英) |
名古屋大学 (略称: 名大)
Nagoya University (略称: Nagoya Univ) |
第3著者 氏名(和/英/ヨミ) |
加藤 ジェーン / Jien Kato / カトウ ジェーン |
第3著者 所属(和/英) |
名古屋大学 (略称: 名大)
Nagoya University (略称: Nagoya Univ) |
第4著者 氏名(和/英/ヨミ) |
間瀬 健二 / Kenji Mase / マセ ケンジ |
第4著者 所属(和/英) |
名古屋大学 (略称: 名大)
Nagoya University (略称: Nagoya 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 |
2014-12-12 13:00:00 |
発表時間 |
30分 |
申込先研究会 |
PRMU |
資料番号 |
PRMU2014-80 |
巻番号(vol) |
vol.114 |
号番号(no) |
no.356 |
ページ範囲 |
pp.85-89 |
ページ数 |
5 |
発行日 |
2014-12-04 (PRMU) |