文献

J-GLOBAL ID：202002273570745944   整理番号：20A0434395

エッジとクラウド上の分散処理に向けた姿勢データを用いた行動認識の研究【JST・京大機械翻訳】

A Study of Action Recognition Using Pose Data Toward Distributed Processing Over Edge and Cloud

著者 (4件)： Takasaki Chikako (Ochanomizu University, Japan) ,  Takefusa Atsuko (National Institute of Informatics, Japan) ,  Nakada Hidemoto (National Institute of Advanced Industrial Science and Technology, Japan) ,  Oguchi Masato (Ochanomizu University, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CloudCom  ページ： 111-118  発行年： 2019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： カメラとセンサの開発によって,クラウドコンピューティングの普及,ライフログは,ログを使用するさまざまなサービスのために,一般家庭において得て,保存することができた。しかしながら,データサイズと計算量が大きいので,機械学習を用いて実時間で家庭センサにより取得された動画像を解析することは困難である。エッジとクラウド上の分散コンピューティングを可能にするエッジコンピューティングまたは霧コンピューティングと呼ばれる新しい計算パラダイムは,この問題に対処する可能性を持っている。特徴ベクトルは,センサ側での前処理により動画像から抽出される。そして,小さな特徴ベクトルだけがクラウドに送られ,学習に使用される。しかし,学習と推論において特徴ベクトルのみを用いて行動を正確に認識できることは明確ではない。移動画像から得られた特徴ベクトル情報を用いて,様々な機械学習法による行動認識の精度を調べた。著者らは,特徴ベクトルの検出のために姿勢推定ライブラリOpenPoseを使用して,機械学習方法として,ロジスティック回帰,ランダムフォレスト,サポートベクトルマシン,およびニューラルネットワーク(NN)モデル,一般的NNおよびLSTMを用いて行動を認識した。実験結果は,ランダムフォレストとニューラルネットワークモデルを使用するとき,80%の精度で,またはより高い動作を認識することが可能であることを示した。また,実験結果に基づいて精度をさらに改善する方法を検討した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 動画像 ,  計算量 ,  前処理 ,  *分散処理 ,  センサ ,  ニューラルネットワーク ,  機械学習 ,  カメラ ,  サポートベクトルマシン
準シソーラス用語： ランダムフォレスト ,  ロジスティック回帰分析 ,  特徴ベクトル ,  エッジコンピューティング ,  ライフログ ,  クラウドコンピューティング , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： エッジ ,  クラウド ,  分散処理 ,  姿勢 ,  行動認識 ,  研究