Click here to load reader
Upload
robolab
View
100
Download
0
Embed Size (px)
Citation preview
輪講 2017.5.10
B4 波多江 弘樹
1‐1.論文概要
"クラウドロボティクスのための画像認識エンジンの提案"
山内悠嗣`,加藤優`,山下隆義`,藤吉弘亘`
・キーワード:クラウドロボティクス,人画像解析,
Deep Convotional Neural Network
中部大学 〒487-0027 愛知県春日井市松本町1200
1‐2.概略
少子高齢化に伴う労働人口減少
↓
支援のためのロボット活用が期待
↓
クラウド上での情報処理を担う
クラウドロボティクスが注目される。
(小型化,低価格化,低電力化)
1‐2.概略
クラウドロボティクスのための画像認識エンジンの問題点
↓
認識性能や計算量
データ通信料
プライバシーについて
↓
プライバシーに配慮しながら、
データ通信料を制御可能なシステムの開発
2.システム特徴
・リソース負担の軽減
クラウド側に情報を保持させることでロボット側の負担を軽減.
・プライバシーへの配慮
プライバシー保護のため,Deep Convolutional Neural Network(DCNN)を用い,顔画像データを特徴マップに変換する.
・画像認識エンジンの高精度化画像をクラウドサーバに蓄積し,逐次的に学習することで高精度化.
・Robot Operating System(ROS)への対応
3‐1.顔照合
カメラから取得した画像の顔とクラウド上の顔画像が同一人物かを照合する.
↓
ロボット側で顔画像を検出し,畳み込み及びプーリングを繰り返し,
特徴マップをクラウドに送信,再度畳み込み,プーリングを繰り返す.
↓
ロボット側の計算コストを低減+通信には画像データを用いないのでプライバシー保護.
3-2.属性指定
顔属性の推定法には,複数のタスクを単一のDCNNで学習,識別できるHeterogeneous Learning を用いる.
認識タスクの突発的な学習誤差を低減させるために重み付き誤差関数を導入する.
4‐1.顔照合の有効性の実験
1.顔照合に必要なDCNNの畳み込み層の層数を調査.
↓
DCNNの畳み込み数が八層目で高い
精度が得られるとわかったので八層目を基準とする.
4‐1.顔照合の有効性の実験
2.DCNNの分割によるロボット及びクラウドの負荷
4‐2.属性指定の有効性の検証
• DCNNの畳み込み層数と精度
5.結論
• 顔照合や属性推定の結果を用いることでロボットは人との自然なコミュニケーションを図ることができる.
6.今後の課題・人だけでなく,物を観る技術を担う
認識エンジンの開発