| 講演名 | 2022-09-09 連合学習を用いた特性の異なるクライアントに対応する危険物識別モデルの構築 新田 恭寛(慶大), 米谷 竜(慶大), 杉本 麻樹(慶大), 斎藤 英雄(慶大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 身体障害者が歩行中に危険を感じる瞬間は，必ずしも健常者が危険を感じる瞬間とは合致しない．また，たとえ同じような障害を持つ人々に限定したとしても，危険を感じる瞬間は人によって異なる．そのため，身体障害者のための危険物認識モデルは，それぞれのユーザーに最適化されている必要がある．一方，それぞれのユーザーに最適化されたモデルを学習するためには，多様な条件のもとで撮影された画像群が必要となる．しかし，このような大量の画像を事前に集めることは難しい．プライバシー保護の観点から，個人の画像をクラウド上にアップロードすることについても避けることが望まれる．本研究では，階層クラスタリングを伴った連合学習を用いて，特性の異なるそれぞれのクライアントに最適化された危険物認識モデルを構築することを目的とした．実験の結果，各クライアントデータのみで学習する従来の学習手法と比較して，高い認識精度を示すモデルを構築することができた．また，さまざまなクラスタ数で学習を行い，クラスタ数と認識精度の関係について検討した． |
| 抄録(英) | A disabled person can have cognition of danger objects during walking, which might not coincide with a non-disabled person. Also, even if we train a machine learning model with similar disabilities, the model should have the capability to accommodate the diverse cognition between person and person. Therefore, we must optimize the machine learning model for disabled people for each user. To get the capability, a large set of images taken under various users is required to train the optimized machine learning model. However, collecting such a large number of training data is challenging. Furthermore, from the privacy protection perspective, avoiding uploading personal images to the cloud is also desirable. Thus, to examine the capability in consideration of privacy protection, we construct a machine learning model of danger objects with diverse characteristics of users using federated learning with hierarchical clustering. As the result of the experiment, the constructed machine learning model showed higher accuracy than a conventional learning method, which was trained only on each client’s data. In addition, we analyzed the performance of the machine learning model by changing the number of clusters. |
| キーワード(和) | 連合学習 / 階層クラスタリング / 画像認識 / 身体障害者支援 |
| キーワード(英) | Federated Learning / Hierarchical Clustering / Image Recognition / Physical Disability Support |
| 資料番号 | MVE2022-15 |
| 発行日 | 2022-09-01 (MVE) |
| 研究会情報 | |
| 研究会 | MVE |
|---|---|
| 開催期間 | 2022/9/8(から2日開催) |
| 開催地（和） | 東京大学 本郷キャンパス＋オンライン開催 |
| 開催地（英） | |
| テーマ（和） | メタバースエクスペリエンスの魅力、メディアエクスペリエンスおよび一般（魅力工学（AC）研究会協賛） |
| テーマ（英） | |
| 委員長氏名（和） | 清川 清(奈良先端大) |
| 委員長氏名（英） | Kiyoshi Kiyokawa(NAIST) |
| 副委員長氏名（和） | 新井田 統(KDDI総合研究所) |
| 副委員長氏名（英） | Sumaru Niida(KDDI Research) |
| 幹事氏名（和） | 磯山 直也(奈良先端大) / 原 豪紀(大日本印刷) / 福嶋 政期(東大) / 後藤 充裕(NTT) |
| 幹事氏名（英） | Naoya Isoyama(NAIST) / Takenori Hara(DNP) / Shogo Fukushima(Univ. of ToKyo) / Mitsuhiro Goto(NTT) |
| 幹事補佐氏名（和） | 宍戸 英彦(筑波大) / 中澤 篤志(京大) / 東條 直也(KDDI総合研究所) / 萩山 直紀(NTT) |
| 幹事補佐氏名（英） | Hidehiko Shishido(Univ. of Tsukuba) / Atsushi Nakazawa(Kyoto Univ.) / Naoya Tojo(KDDI Research) / Naoki Hagiyama(NTT) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Media Experience and Virtual Environment |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 連合学習を用いた特性の異なるクライアントに対応する危険物識別モデルの構築 |
| サブタイトル（和） | |
| タイトル（英） | An Image Recognition Model of Danger Objects for Diverse Clients using Federated Learning |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 連合学習 / Federated Learning |
| キーワード(2)（和/英） | 階層クラスタリング / Hierarchical Clustering |
| キーワード(3)（和/英） | 画像認識 / Image Recognition |
| キーワード(4)（和/英） | 身体障害者支援 / Physical Disability Support |
| 第 1 著者 氏名（和/英） | 新田 恭寛 / Yasuhiro Nitta |
| 第 1 著者 所属（和/英） | 慶應義塾大学大学院(略称：慶大) Keio University(略称：Keio Univ.) |
| 第 2 著者 氏名（和/英） | 米谷 竜 / Ryo Yonetani |
| 第 2 著者 所属（和/英） | 慶應義塾大学大学院(略称：慶大) Keio University(略称：Keio Univ.) |
| 第 3 著者 氏名（和/英） | 杉本 麻樹 / Maki Sugimoto |
| 第 3 著者 所属（和/英） | 慶應義塾大学大学院(略称：慶大) Keio University(略称：Keio Univ.) |
| 第 4 著者 氏名（和/英） | 斎藤 英雄 / Hideo Saito |
| 第 4 著者 所属（和/英） | 慶應義塾大学大学院(略称：慶大) Keio University(略称：Keio Univ.) |
| 発表年月日 | 2022-09-09 |
| 資料番号 | MVE2022-15 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | MVE-175 |
| ページ範囲 | pp.26-31(MVE), |
| ページ数 | 6 |
| 発行日 | 2022-09-01 (MVE) |