対外発表(UBI67)

M1の宅野君が情報処理学会UBI研究会第67回発表会において,以下のタイトルの研究発表を行いました.本発発表は5月の第66回発表会で発表したものうち,慣性センサによる行動認識機能について個体数を8羽に,認識対象行動も26種(うち11種は重要ではないものの頻繁に見られた行動で「その他」と集約可能なもの)に増やした場合の分類器(特徴量選定も含む)の実現方法についてのものです.

  • 宅野亮,佐藤逸史,新村毅,藤波香織; “鶏の快適性向上に向けた動物行動学的分析を支援するための装着型センサによる行動推定”,情報処理学会ユビキタスコンピューティングシステム研究会 第67回研究発表会(UBI67),情報処理学会研究報告Vol. 2020-UBI-67 No. 15, 2020年9月.

論文採択(Sensors and Materials 2件)

本研究室からの論文2篇が論文誌(Sensors and Materials)に採録され,オンラインで公開されました.

  • Miki Kawato and Kaori Fujinami; “Acoustic-sensing-based Gesture Recognition Using Hierarchical Classifier”, Sensors and Materials, Vol. 32, No. 9, pp. 2981-2998, 2020. [link]
  • Trang Thuy Vu and Kaori Fujinami; “Personalizing Activity Recognition Models by Selecting Compatible Classifiers with a Little Help from the User”, Sensors and Materials, Vol. 32, No. 9, pp. 2999-3017, 2020. [link]

最初の川戸君(2020年3月博士前期課程修了)の論文は,机の上を指でなぞったときの音で0から9の数字,×,□,△,✓,R,m,・の17文字を識別するためのデバイスとデータ処理方法について考案したものです.認識方法は,従来からあるfeature engineering方式とニューラルネットワークによるfeature learning方式を比較し,さらに認識器の構成も2段階構成と1段階構成を比較しました.その結果,2段階構成のfeature engineering方式を用いることでも最良の0.854の精度(F値)を達成し,近年浸透著しいニューラルネットワークベースの手法が必ずしもベストではないことを示しました.行動認識のようなラベル付きデータを大量に得ることが困難な環境では,注意深く設計した特徴量を用いるfeature engineering方式が良いことが示唆されます.

音ジェスチャ入力デバイス
階層的分類器

2番目のVu(社会人博士3年)さんの論文は,スマホなど個人が携帯するデバイス上で行動認識を行う際に,一番最初に利用者から行動データを提供してもらい,既存の分類器の中から相性が良いものを選んで利用することで高精度な分類を実現するという本研究室で提案するCompatibility-based Classifier Personalizationと呼ぶ手法に関するものです.昨年発表した下記の論文では,最初に対象とする全ての行動のデータを提供してもらうことを前提としていましたが,種類が多いと利用者の負担が増大することが課題でした.今回発表した論文では,事前にハイパーパーパラメータチューニングの要領で収集すべき行動群を絞り込むことで,50%から70%程度の負担で済むことを示しました.

  • Trang Thuy Vu and Kaori Fujinami; “Understanding Compatibility-based Classifier Personalization in Activity Recognition”, In Proceedings of the 1st International Conference on Activity and Behavior Computing (ABC2019), pp. 97-102, May 2019.
  • Trang Thuy Vu and Kaori Fujinami; “Examining Hierarchy and Granularity of Classifiers in Compatibility-based Classifier Personalization”, In Proceedings of the 2019 IEEE 8th Global Conference on Consumer Electronics (GCCE 2019), pp. 553-554, 16 October, 2019.
Compatibility-based Classifier Personalization (CbCP)の概念図

対外発表・受賞(FIT2020)

M2の柴山さんが下記の論文を第19回情報科学技術フォーラム(FIT2020)で発表し,FIT奨励賞を受賞しました.

  1. 柴山咲希,藤波香織; “プロジェクタを用いた図形トレース支援におけるハンドオクルージョンの対処法”,第19回情報科学技術フォーラム(FIT2020),発表M-003,第4分冊 p.81-86, 2020年9月1日.
実験環境
支援方法

この研究ではプロジェクタを通じてトレース作業を支援する際に手により投影情報が隠れてしまうというハンドオクルージョン問題への対処(ハンドオクルージョン管理)を目的としています.実際の作業場所からやや離れた場所への見本投影や,トレースからのズレや変点の音による通知や,そのハイブリッド型などを提案し,ユーザ評価によりそれらを比較評価しました.

その結果,複雑な図形では提案した管理方法を用いたいずれの場合においても作業時間が延びることが判明しました.単純な図形は一部の図形においてハイブリッド方式のみ作業時間が延びることが確認されました.また,記憶で補完できない図形は提案した管理方法を用いたいずれの場合においてもトレース精度が向上することが判明しました.両実験ともに視覚と聴覚を組み合わせたハイブリッド方式がユーザに多く好まれることが確認されました.単純な図形やなじみのある図形ではユーザは視覚支援をあまり利用せずに作業し,なじみがない図形の場合は視覚支援を利用することが判明しました.