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
技報オンライン
‥‥ (ESS/通ソ/エレソ/ISS)
技報アーカイブ
‥‥ (エレソ/通ソ)
 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 2016-08-24 13:25
Recurrent Neural Networkに基づく日常生活行動認識
玉森 聡林 知樹戸田智基武田一哉名大
技報オンラインサービス実施中
抄録 (和) 我々は高齢者のための生活行動見守りシステムの構築を目指しており,そのための中心技術が生活行動認識である.先行研究では,実際の生活行動を48時間連続収録したデータベースを利用した生活行動認識実験により,Deep Neural Network (DNN)の良好な認識性能が示された.しかしながら,その認識性能は十分とは言い難く,さらなる性能改善が必要であることが分かった.

本研究では,DNNでは考慮できる時間的コンテキストの幅は限られる点に着目し,より長期間の相関を考慮可能なLong Short-Term Memory (LSTM)に基づくRecurrent Neural Network (LSTM-RNN),Bidirectional LSTM-RNNを適用することで,認識性能の向上を図る.また,その最適なネットワーク構造について調査する. 
(英) Our goal is to build an automatic surveillance system for elderly people and the core technique is daily activity recognition. In previous work, the effectiveness of Deep Neural Network~(DNN) has been shown in the daily activity recognition experiments, by using the database of actual daily activity for 48 hours continuous recordings. In DNN, however, the recognition performance was not enough. We realized that this is because the scope of temporal context to be taken into account is limited, and further improvement of the performance will be needed. In this study, we apply Recurrent Neural Network based on Long Short Term Memory (LSTM-RNN) and Bidirectional LSTM-RNN (BLSTM-RNN) to improve recognition performance. It is expected that LSTM-RNN can capture longer term temporal context. We further investigate the optimal network architecture. The experimental results of daily activity recognition shows the effectiveness of LSTM-RNN and BLSTM-RNN compared to DNN.
キーワード (和) 日常生活行動認識 / Deep Neural Network / Recurrent Neural Network / Long Short Term Memory / / / /  
(英) Daily Activity Recognition / Deep Neural Network / Recurrent Neural Network / Long Short Term Memory / / / /  
文献情報 信学技報, vol. 116, no. 189, SP2016-28, pp. 7-12, 2016年8月.
資料番号 SP2016-28 
発行日 2016-08-17 (SP) 
ISSN Print edition: ISSN 0913-5685  Online edition: ISSN 2432-6380

研究会情報
研究会 SP  
開催期間 2016-08-24 - 2016-08-25 
開催地(和) 京都大学学術情報メディアセンター 
開催地(英) ACCMS, Kyoto Univ. 
テーマ(和) 音響イベント処理,一般 
テーマ(英) Audio event processing, etc. 
講演論文情報の詳細
申込み研究会 SP 
会議コード 2016-08-SP 
本文の言語 日本語 
タイトル(和) Recurrent Neural Networkに基づく日常生活行動認識 
サブタイトル(和)  
タイトル(英) Daily Activity Recognition Based on Recurrent Neural Network 
サブタイトル(英)  
キーワード(1)(和/英) 日常生活行動認識 / Daily Activity Recognition  
キーワード(2)(和/英) Deep Neural Network / Deep Neural Network  
キーワード(3)(和/英) Recurrent Neural Network / Recurrent Neural Network  
キーワード(4)(和/英) Long Short Term Memory / Long Short Term Memory  
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) 玉森 聡 / Akira Tamamori / タマモリ アキラ
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) 林 知樹 / Tomoki Hayashi / ハヤシ トモキ
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) 戸田 智基 / Tomoki Toda / トダ トモキ
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) 武田 一哉 / Kazuya Takeda / タケダ カズヤ
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
発表日時 2016-08-24 13:25:00 
発表時間 25 
申込先研究会 SP 
資料番号 IEICE-SP2016-28 
巻番号(vol) IEICE-116 
号番号(no) no.189 
ページ範囲 pp.7-12 
ページ数 IEICE-6 
発行日 IEICE-SP-2016-08-17 


[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