| 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 | 2016-08-24 13:00 Deep Neural Networkに基づく日常生活行動認識における適応手法 ○林 知樹（名大）・北岡教英（徳島大）・戸田智基・武田一哉（名大）  SP2016-27 |
|
| 抄録 | （和） | 我々は高齢者が活き活きと自活していけるような生活支援のための見守りシステムの構築を目指しており, そのために必要な技術が行動認識技術である.先行研究において,我々はマルチモーダル信号を用いた Deep Neural Network に基づく日常生活行動認識モデルの,被験者がクローズな条件での有効性を確認した.しかしながら,シス テムの実際の運用を考えると,被験者がオープンな環境でも良好な認識性能を実現する必要がある.本報告では,新 たに実環境において収録された被験者 19 名からなる 300 時間の室内日常生活行動大規模データベースを構築し被験者 がオープンな場合の性能評価を行う.さらに,音声認識分野で広く研究されている適応手法を日常生活行動認識モデ ルに適用し,その性能の変化について調査を行う. |
| （英） | Our objective is to build a monitoring system which enables elderly people to live actively, and the key technology to achieve it is acitivity recognition. In our previous study, we confirmed that the effectiveness of Deep Neural Networks using multi-model signal in the subject-closed condition. However, for practical use, it is necessary to achive good performance in the subject open condition. In this study, we collected a dataset of over 300 hours of 19 subject’s activities recorded in real situations and use it to evaluate in the subject open condition. Futhermore, we introduce adaptation methods, which have been studied for long time in the field of speech recognition, into activity recognition, to improve its performance. | |
| キーワード | （和） | 日常生活行動認識 / Deep Neural Network / 適応学習 / / / / / |
| （英） | Daily Activity Recognition / Deep Neural Network / Adaptation / / / / / | |
| 文献情報 | 信学技報, vol. 116, no. 189, SP2016-27, pp. 1-6, 2016年8月. | |
| 資料番号 | SP2016-27 | |
| 発行日 | 2016-08-17 (SP) | |
| 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 | SP2016-27 |
|
| 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） | Deep Neural Networkに基づく日常生活行動認識における適応手法 |
| サブタイトル（和） | |
| タイトル（英） | Adaptation Methods for Daily Activity Recognition Based on Deep 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） | 適応学習 / Adaptation |
| 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） | 林 知樹 / Tomoki Hayashi / ハヤシ トモキ |
| 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） | 北岡 教英 / Norihide Kitaoka / キタオカ ノリヒデ |
| 第2著者 所属（和/英） | 徳島大学 (略称： 徳島大) Tokushima University (略称： Tokushima 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2016-08-24 13:00:00 |
| 発表時間 | 25分 |
| 申込先研究会 | SP |
| 資料番号 | SP2016-27 |
| 巻番号（vol） | vol.116 |
| 号番号（no） | no.189 |
| ページ範囲 | pp.1-6 |
| ページ数 | 6 |
| 発行日 | 2016-08-17 (SP) |
[研究会発表申込システムのトップページに戻る]