講演抄録/キーワード |
講演名 |
2022-02-22 10:15
深層距離学習を用いたユーザーの端末所持位置並びに行動分類 ○北原瑠伊・張 力峰(九工大) ITS2021-40 IE2021-49 |
抄録 |
(和) |
スマートフォンの普及に伴い、内臓されたセンサを用いて人間の行動分類などが行われている。しかし、それらの取り組みのほとんどはスマートフォンの所持位置を一箇所に限定したものであり、実際のスマートフォンにシステムとして組み込むには不十分であると考えられる。行動と所持位置を同時に分類することが可能であることを確認できれば、ユーザーの状況に応じたスマートフォンの通知方法の変更なども可能になると考えられる。本研究では、スマートフォンの加速度センサによりデータを取得し深層距離学習により学習を行い、ユーザーの行動並びにスマートフォンの所持位置の分類を行なった。結果としては行動と所持位置を同時に分類を行なっても先行研究と同様の精度が得られただけではなく、未学習データにおいては未知クラスとして出力することが可能であることを確認した。 |
(英) |
With the widespread use of smartphones, there have been efforts to classify human behavior using built-in sensors. However, most of these efforts are limited to a single location where the smartphone is held and are considered insufficient to be incorporated into actual smartphones as a system. If it can be confirmed that it is possible to classify behavior and possession location at the same time, it will be possible to change the notification method of the smartphone according to the user's situation. In this study, we acquired data from the accelerometer of a smartphone, trained it using deep metric learning, and classified the user's behavior and possession position using cosine similarity during inference. As a result, not only did we obtain the same accuracy as in the previous study even when classifying both actions and possession positions at the same time, but we also confirmed that it was possible to output untrained data as an unknown class. |
キーワード |
(和) |
行動分類 / 加速度センサ / 画像処理 / 深層学習 / / / / |
(英) |
Behavioral Classification / Accelerometer / Image Processing / Deep Learning / / / / |
文献情報 |
信学技報, vol. 121, no. 373, ITS2021-40, pp. 91-96, 2022年2月. |
資料番号 |
ITS2021-40 |
発行日 |
2022-02-14 (ITS, IE) |
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 |
ITS2021-40 IE2021-49 |
研究会情報 |
研究会 |
IE ITS ITE-AIT ITE-ME ITE-MMS |
開催期間 |
2022-02-21 - 2022-02-22 |
開催地(和) |
オンライン開催 |
開催地(英) |
Online |
テーマ(和) |
画像処理,一般 |
テーマ(英) |
Image Processing, etc. |
講演論文情報の詳細 |
申込み研究会 |
ITS |
会議コード |
2022-02-IE-ITS-AIT-ME-MMS |
本文の言語 |
日本語 |
タイトル(和) |
深層距離学習を用いたユーザーの端末所持位置並びに行動分類 |
サブタイトル(和) |
|
タイトル(英) |
Classification of User's Device Possession Position and Behavior by Using Deep Metric Learning |
サブタイトル(英) |
|
キーワード(1)(和/英) |
行動分類 / Behavioral Classification |
キーワード(2)(和/英) |
加速度センサ / Accelerometer |
キーワード(3)(和/英) |
画像処理 / Image Processing |
キーワード(4)(和/英) |
深層学習 / Deep Learning |
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) |
北原 瑠伊 / Rui Kitahara / キタハラ ルイ |
第1著者 所属(和/英) |
九州工業大学 (略称: 九工大)
Kyushu Institute of Technology (略称: Kyutech) |
第2著者 氏名(和/英/ヨミ) |
張 力峰 / Lifeng Zhang / |
第2著者 所属(和/英) |
九州工業大学 (略称: 九工大)
Kyushu Institute of Technology (略称: Kyutech) |
第3著者 氏名(和/英/ヨミ) |
/ / |
第3著者 所属(和/英) |
(略称: )
(略称: ) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
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 |
2022-02-22 10:15:00 |
発表時間 |
15分 |
申込先研究会 |
ITS |
資料番号 |
ITS2021-40, IE2021-49 |
巻番号(vol) |
vol.121 |
号番号(no) |
no.373(ITS), no.374(IE) |
ページ範囲 |
pp.91-96 |
ページ数 |
6 |
発行日 |
2022-02-14 (ITS, IE) |
|