対外発表(ABC2020)

M2の齋藤君が下記のタイトルでInternational Conference on Activity and Behavior Computing (ABC)で発表を行いました.

  • Mitsuaki Saito and Kaori Fujinami. “Evaluation of New Class Candidate Generation Methods in On-Body Smartphone Localization Problem”, in International Conference on Activity and Behavior Computing (ABC2020), August 28, 2020.
携帯端末の使用場所の逐次追加フレームワーク

システムが未学習の携帯機器の所持位置をユーザが利用している最中に検出して,認識対象に追加するフレームワークを研究中です,これまで上の図のAについて新規性検出(Novelty Detection)技術を使う方法,とくにアンサンブル型の検出器の利用を提案してきましたが,本発表ではその先のD(異常サンプル除外), E(次元削減), F(クラスタリング)の実現方法を検証しました.特にクラスタリングについてはクラスタ数を決定する方法を検討しました.

農工融合研究プロジェクトに採択(野生動物AI)

東京農工大学内 農工融合研究支援制度(通称TAMAGO)に,藤波が分担者として参加する研究「野生動物に関する情報のAIを用いたデータ解析手法の開発」(代表:小池伸介 農学研究院准教授)が採択されました.(産学連携室による紹介

藤波班は,これまで人間を対象として培ってきたウェアラブルセンサによる行動認識技術を用いて野生動物の行動認識に協力し,人間と野生動物の共存に貢献することを目指します.

論文採択(Sensors and Materials)

M1の齋藤君の論文が論文誌(Sensors and Materials)に採録されオンラインで公開されました.[Online]

  • Mitsuaki Saito and Kaori Fujinami, Unknown On-Body Device Position Detection Based on Ensemble Novelty Detection, Sens. Mater., Vol. 32, No. 1, 2020, p. 27-40.
Ensemble Novelty Detectorの構成

機械学習において分類や回帰問題で威力を発揮しているアンサンブル手法を新規性検出(Novelty Detection)という技術への適用法を提案しました.S個のNovelty Detectorの判定により最終的な新規性の判定を下しますが,その際に単なる多数決ではなく,訓練データから最適な判定閾値を決定する手法を提案しています.

これによりスマートフォンの未知の持ち運び場所の検出を単体のNovelty Detectorより高精度に行うことが出来ます.また,一般的な分類問題で既知クラスの判定を高精度に行うための前処理として未知クラス除外を行うようなケースにも利用可能と考えています.

論文採録(Sensors)

下記の論文が論文誌Sensorsに採録されました.プロジェクタ投影型ARにおいて,卓上に既にある物体と投影情報が重なった場合の主観的な視認性を推定する機械学習モデルによる手法(VisLP; Visibility-aware Label Placement, a.k.a. VGD; Visibility-aware Gradient Descent)を提案しました.

  • Keita Ichihashi and Kaori Fujinami; “Estimating Visibility of Annotations for View Management in Spatial Augmented Reality based on Machine-Learning Techniques”, Sensors 2019, 19 (4), Article No. 939. [link]