文献

J-GLOBAL ID：201802281780146832   整理番号：18A0440028

DeepBreath:制約のない環境における低コスト熱画像を用いた自動ストレス認識のための呼吸パターンの深い学習【Powered by NICT】

DeepBreath: Deep learning of breathing patterns for automatic stress recognition using low-cost thermal imaging in unconstrained settings

著者 (3件)： Cho Youngjun (UCL Interaction Centre, Faculty of Brain Sciences, University College London, London, United Kingdom) ,  Bianchi-Berthouze Nadia (UCL Interaction Centre, Faculty of Brain Sciences, University College London, London, United Kingdom) ,  Julier Simon J. (Department of Computer Science, University College London, London, United Kingdom)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ACII  ページ： 456-463  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： DeepBreath,呼吸パターンから人々の心理的ストレスレベル(精神的過負荷)を自動認識する深層学習モデルを提案した。低コスト熱カメラを用いて,彼/彼女の鼻孔周辺の温度変化として人の呼吸パターンを追跡した。論文の技術的寄与は3つある。まず第一に,呼吸パターンの様相を捉えるために手製特徴を創造する代わりに,ここでは,二次元呼吸変動スペクトログラム(RVS)配列への一次元呼吸信号を変換した。スペクトログラムを呼吸動力学の複雑性を捉えやすい。第二に,深い畳込みニューラルネットワーク(CNN)に基づく空間パターン分析は,手工芸特徴を必要とせずに,スペクトログラム配列に直接適用した。最後に,深い学習における過剰適合問題の解からヒントを得て,データ増強技術は,CNNは短期間の測定(例えば,数時間まで)から小規模データセットを学習できるように適用した。モデルは種々の困難レベルのセッションを有する二種類の認知作業(Stroop Color Word Test,精神計算試験)に暴露した人々から収集したデータを用いて訓練し,試験した。グランドトルースとして正規化された自己報告を用いて,CNNは二レベルの応力と三レベル間の識別において56.52%の間の識別における84.59%の精度に達した。さらに,CNNは単層神経回路網に基づく強力な浅い学習法より優れていた。最後に,標識熱画像のデータセットは,地域に開かれたであろう。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 神経回路網 ,  正規化 ,  情動ストレス ,  *熱画像 ,  小規模 ,  *学習 ,  二次元 ,  温度変動 ,  過負荷 ,  一次元 ,  カメラ
準シソーラス用語： 畳込みニューラルネットワーク ,  スペクトログラム ,  深層学習 ,  *ストレス認知 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 制約 ,  環境 ,  熱画像 ,  ストレス認識 ,  呼吸パターン ,  学習