抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
工場や物流センタではネジ締め作業や検品作業・梱包作業など,複雑で変則的な作業を人間の作業者が担っており,この作業者の作業状況を把握するために行動認識技術の適用が検討されている.しかし,作業員ごとに担当の作業が異なるため,ある作業員から取得した学習データを他の作業員に転用できないなど,学習データの収集コストに大きな課題がある.そこで本研究では,限られたラベル付きデータで作業行動を認識するためのニューラルネットワークLightweight Ordered-work Segmentation Network(LOS-Net)を提案する.既存のニューラルネットワークを用いた行動認識モデルは,高い認識性能を達成するためには大量のラベル付きデータを必要とする.しかし,作業工程には行動の順序が事前に決められているなどの特徴がある.LOS-Netでは作業順序のような事前知識に着目し,(1)効率的に長期的なコンテキストを抽出するためのモジュール,(2)連続する行動ラベルの境界を正確に推定するためのモジュール,(3)作業順序を用いて推定結果を修正するモジュールを導入し,限られた学習データでも高い精度で作業工程を認識できる.提案手法を実際の工場や物流センタで収集した11人分のデータを用いて評価し,提案手法の有効性を確認した.(著者抄録)