Suche senden
Hochladen
位置情報に基づく画像分類モデルの 選定による看板画像の分類精度向上
•
Als PPTX, PDF herunterladen
•
0 gefällt mir
•
163 views
M
Matsushita Laboratory
Folgen
第28回人工知能学会インタラクティブ情報アクセスと可視化マイニング研究会の発表資料
Weniger lesen
Mehr lesen
Technologie
Diashow-Anzeige
Melden
Teilen
Diashow-Anzeige
Melden
Teilen
1 von 28
Jetzt herunterladen
Empfohlen
アート観賞イベントと連動したインタラクティブな街歩き型ストーリーリーダーの一検討
HarutakaTokumaru_アート観賞イベントと連動したインタラクティブな街歩き型ストーリーリーダーの一検討_deim2024
HarutakaTokumaru_アート観賞イベントと連動したインタラクティブな街歩き型ストーリーリーダーの一検討_deim2024
Matsushita Laboratory
第71回EC研究会での発表.
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
Matsushita Laboratory
HarukiShinkawa_果樹農家が期待する行動への変容を促す仕掛け設計のための収穫作業体験者の行動観察とモデル化_仕掛学2024.pdf
HarukiShinkawa_果樹農家が期待する行動への変容を促す仕掛け設計のための収穫作業体験者の行動観察とモデル化_仕掛学2024.pdf
Matsushita Laboratory
HarukiShinkawa_果樹農家が期待する行動への変容を促す仕掛け設計のための収穫作業体験者の行動観察とモデル化_Shikake2024
HarukiShinkawa_果樹農家が期待する行動への変容を促す仕掛け設計のための収穫作業体験者の行動観察とモデル化_Shikake2024
Matsushita Laboratory
便利の副作用に気づかせるための発想支援手法の基礎検討
HataReon_便利の副作用に気づかせるための発想支援手法の基礎検討_HCI206
HataReon_便利の副作用に気づかせるための発想支援手法の基礎検討_HCI206
Matsushita Laboratory
ChinaTakahashi_AMPERE料理-器関係の双対性に着目した探索的な器選択の支援_HCI2024
ChinaTakahashi_AMPERE料理-器関係の双対性に着目した探索的な器選択の支援_HCI2024
Matsushita Laboratory
HCG2023で杉原が発表した際の資料となります.
KokiSugihara_HCG2023_A method for visualizing causal relationships between to...
KokiSugihara_HCG2023_A method for visualizing causal relationships between to...
Matsushita Laboratory
at Kokura
KannaMiyagawa_HCG2023_A Visualization Method for Variation of Characters’ Rel...
KannaMiyagawa_HCG2023_A Visualization Method for Variation of Characters’ Rel...
Matsushita Laboratory
Empfohlen
アート観賞イベントと連動したインタラクティブな街歩き型ストーリーリーダーの一検討
HarutakaTokumaru_アート観賞イベントと連動したインタラクティブな街歩き型ストーリーリーダーの一検討_deim2024
HarutakaTokumaru_アート観賞イベントと連動したインタラクティブな街歩き型ストーリーリーダーの一検討_deim2024
Matsushita Laboratory
第71回EC研究会での発表.
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
TaketoFujikawa_台本中の動作表現に基づくアニメーション原画システムの提案_SIGEC71.pdf
Matsushita Laboratory
HarukiShinkawa_果樹農家が期待する行動への変容を促す仕掛け設計のための収穫作業体験者の行動観察とモデル化_仕掛学2024.pdf
HarukiShinkawa_果樹農家が期待する行動への変容を促す仕掛け設計のための収穫作業体験者の行動観察とモデル化_仕掛学2024.pdf
Matsushita Laboratory
HarukiShinkawa_果樹農家が期待する行動への変容を促す仕掛け設計のための収穫作業体験者の行動観察とモデル化_Shikake2024
HarukiShinkawa_果樹農家が期待する行動への変容を促す仕掛け設計のための収穫作業体験者の行動観察とモデル化_Shikake2024
Matsushita Laboratory
便利の副作用に気づかせるための発想支援手法の基礎検討
HataReon_便利の副作用に気づかせるための発想支援手法の基礎検討_HCI206
HataReon_便利の副作用に気づかせるための発想支援手法の基礎検討_HCI206
Matsushita Laboratory
ChinaTakahashi_AMPERE料理-器関係の双対性に着目した探索的な器選択の支援_HCI2024
ChinaTakahashi_AMPERE料理-器関係の双対性に着目した探索的な器選択の支援_HCI2024
Matsushita Laboratory
HCG2023で杉原が発表した際の資料となります.
KokiSugihara_HCG2023_A method for visualizing causal relationships between to...
KokiSugihara_HCG2023_A method for visualizing causal relationships between to...
Matsushita Laboratory
at Kokura
KannaMiyagawa_HCG2023_A Visualization Method for Variation of Characters’ Rel...
KannaMiyagawa_HCG2023_A Visualization Method for Variation of Characters’ Rel...
Matsushita Laboratory
第10回コミック工学研究会での発表.
TaketoFujikawa_10thComicComputing2023
TaketoFujikawa_10thComicComputing2023
Matsushita Laboratory
SayakaHayashi_FIT2023
SayakaHayashi_FIT2023
Matsushita Laboratory
松下研究室紹介_関西大学高槻キャンパスオープンキャンパス
松下研究室紹介_関西大学高槻キャンパスオープンキャンパス
Matsushita Laboratory
皮肉は対象の欠点や弱点を遠回しに批判する言語現象であり,肯定表現を用いて否定的な意味を伝えるという特徴を持つ.そのため,皮肉文では表現の表層的な意味とその意図が一致しない.文章中に出現する肯定表現が皮肉表現であるかを計算機で判断する際には,皮肉の対象・皮肉の前提となる状況・皮肉表現の3つの要素を合わせて抽出する必要がある.先行研究では皮肉の対象を抽出することで皮肉文の特定を試みているが,その対象が明示されない皮肉文も多く存在する.そこで本研究では,状況を表す文章から皮肉状況を検出するための分類器をBERTを用いて作成し,それを用いて皮肉の対象が明示されていない皮肉文の検出を試みる.
ReonHata_JSAI2023
ReonHata_JSAI2023
Matsushita Laboratory
HarukiShinkawa_FIT2023
HarukiShinkawa_FIT2023
Matsushita Laboratory
ChinaTakahashi_kes2023
ChinaTakahashi_Exploration cyclefinding a better dining experience:a frame...
ChinaTakahashi_Exploration cyclefinding a better dining experience:a frame...
Matsushita Laboratory
This study aims to clarify the composition of story content to help computers understand stories. In story content, the events peculiar to a genre occur intermittently. For example, school and sports festivals appear in school-themed genres. These events can trigger a story because they cause changes in the internal characteristics and relationships between characters, which in turn trigger the progress of the story. If computers can determine the events in a story, they will help understand its composition. Each story-event contains many strongly related words. For example, ``relay'' and ``runner'' appear in sports festival episodes. Therefore, investigating these tendencies is expected to contribute to the estimation of story-events. However, the amount of information obtained from comic texts is limited because they use illustrations and texts in a complementary manner. This makes it difficult for computers to obtain words from comics that characterize a story-event. To address this problem, we focused on the content similarities between comics and light novels. In this study, we estimated story-events in comics using the tendency of story-event words to appear in light novels. The results of this experiment indicate that we can calculate story-events in comics using a dictionary of story-events created by the proposed method.
TaketoFujikawa_KES2023
TaketoFujikawa_KES2023
Matsushita Laboratory
World Physiotherapy Congress 2023 での発表に用いた資料
Unification of Terminology for Accurate Communication among Experts --- Basic...
Unification of Terminology for Accurate Communication among Experts --- Basic...
Matsushita Laboratory
2023年度人工知能学会全国大会(第37回)の企画セッション「AIは仕掛学の夢を見るか?」のプレゼン資料です.
JSAI2023_企画セッション(仕掛学)資料
JSAI2023_企画セッション(仕掛学)資料
Matsushita Laboratory
情報処理学会HCI・EC合同研究会(2023/6)の発表資料
触感に関わる共感覚的表現と基本6感情の対応関係の検証
触感に関わる共感覚的表現と基本6感情の対応関係の検証
Matsushita Laboratory
情報処理学会第67回エンタテインメントコンピューティング研究会の発表資料
レシピの手順に着目した 複数の器特徴の推定
レシピの手順に着目した 複数の器特徴の推定
Matsushita Laboratory
第9回コミック工学研究会での発表
TaketoFujikawa_comic2023
TaketoFujikawa_comic2023
Matsushita Laboratory
情報処理学会第202回HCI研究会での発表
複数の質感を複合的に提示可能な触覚提示デバイス
複数の質感を複合的に提示可能な触覚提示デバイス
Matsushita Laboratory
周鉄爾の公聴会資料
効果音と抽象図形の動作の組み合わせによる印象変化に関する研究
効果音と抽象図形の動作の組み合わせによる印象変化に関する研究
Matsushita Laboratory
コミックや小説などの物語コンテンツは,物語中の時間進行に伴って発生するイベントに応じたキャラクタの行動や変化で駆動される~\cite{cambell}. キャタクタの変化は「成長」とも表現され,読者はこの成長に共感しつつコンテンツを享受する. キャラクタの成長は主として内面に関わる事象であり直接的にコンテンツから観測することができず,その理解は読者各々の主観的な解釈に委ねられるが, コミックではキャラクタの成長をセリフや表情,行動といった情報を用いて,読者が理解できるように表現されている. 例えば,成長をセリフを用いて表現する場合には,「冒頭では頼りない発言をしていたキャラクタが終盤では強気な発言をする」といった変化が描かれるであろう. この時,読者はキャラクタがある出来事を境界として「頼りない」状態から「強気」な状態へ変化したということを発言内容から読み取り,その成長を理解する. このことからキャラクタの発言に着目し,そのセリフ内容の極性がどのように変化するかで成長に関する情報を疑似的に表現できると考えた. またこのようにして得られた感情の変化と物語中に発生する出来事の特徴を比較し,その関係性を探索的に検討することでキャラクタの成長に関するメカニズムを解明することも期待される.
RyotaHiguchi_MasterThesis2023
RyotaHiguchi_MasterThesis2023
Matsushita Laboratory
竹村孟の公聴会で使った資料
携帯端末を用いたポインティングによる室内空間でのアドホックな情報アクセス手法に関する研究
携帯端末を用いたポインティングによる室内空間でのアドホックな情報アクセス手法に関する研究
Matsushita Laboratory
情報処理学会HCI201で発表した「Kokogatari:実環境を介したリレー小説執筆ツール」(http://id.nii.ac.jp/1001/00223208/)の発表資料.
Kokogatari:実環境を介したリレー小説執筆ツール
Kokogatari:実環境を介したリレー小説執筆ツール
Matsushita Laboratory
TAAI2022 の発表資料
Visualization of the Relationship Between Lectures and Laboratories Using SSNMF
Visualization of the Relationship Between Lectures and Laboratories Using SSNMF
Matsushita Laboratory
The 24th International Conference on Information Integration and Web Intelligence で発表した "Interactive visualization of comic character correlation diagrams for understanding character relationships and personalities" の発表資料です.
iiWAS2022_Miyagawa
iiWAS2022_Miyagawa
Matsushita Laboratory
IDR user forum 2022 invited talk
reIDR2022_takahashi.pdf
reIDR2022_takahashi.pdf
Matsushita Laboratory
2024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
2024年4月に社内向けに開催した勉強会資料の社外公開版です
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
Hiroshi Tomioka
Weitere ähnliche Inhalte
Mehr von Matsushita Laboratory
第10回コミック工学研究会での発表.
TaketoFujikawa_10thComicComputing2023
TaketoFujikawa_10thComicComputing2023
Matsushita Laboratory
SayakaHayashi_FIT2023
SayakaHayashi_FIT2023
Matsushita Laboratory
松下研究室紹介_関西大学高槻キャンパスオープンキャンパス
松下研究室紹介_関西大学高槻キャンパスオープンキャンパス
Matsushita Laboratory
皮肉は対象の欠点や弱点を遠回しに批判する言語現象であり,肯定表現を用いて否定的な意味を伝えるという特徴を持つ.そのため,皮肉文では表現の表層的な意味とその意図が一致しない.文章中に出現する肯定表現が皮肉表現であるかを計算機で判断する際には,皮肉の対象・皮肉の前提となる状況・皮肉表現の3つの要素を合わせて抽出する必要がある.先行研究では皮肉の対象を抽出することで皮肉文の特定を試みているが,その対象が明示されない皮肉文も多く存在する.そこで本研究では,状況を表す文章から皮肉状況を検出するための分類器をBERTを用いて作成し,それを用いて皮肉の対象が明示されていない皮肉文の検出を試みる.
ReonHata_JSAI2023
ReonHata_JSAI2023
Matsushita Laboratory
HarukiShinkawa_FIT2023
HarukiShinkawa_FIT2023
Matsushita Laboratory
ChinaTakahashi_kes2023
ChinaTakahashi_Exploration cyclefinding a better dining experience:a frame...
ChinaTakahashi_Exploration cyclefinding a better dining experience:a frame...
Matsushita Laboratory
This study aims to clarify the composition of story content to help computers understand stories. In story content, the events peculiar to a genre occur intermittently. For example, school and sports festivals appear in school-themed genres. These events can trigger a story because they cause changes in the internal characteristics and relationships between characters, which in turn trigger the progress of the story. If computers can determine the events in a story, they will help understand its composition. Each story-event contains many strongly related words. For example, ``relay'' and ``runner'' appear in sports festival episodes. Therefore, investigating these tendencies is expected to contribute to the estimation of story-events. However, the amount of information obtained from comic texts is limited because they use illustrations and texts in a complementary manner. This makes it difficult for computers to obtain words from comics that characterize a story-event. To address this problem, we focused on the content similarities between comics and light novels. In this study, we estimated story-events in comics using the tendency of story-event words to appear in light novels. The results of this experiment indicate that we can calculate story-events in comics using a dictionary of story-events created by the proposed method.
TaketoFujikawa_KES2023
TaketoFujikawa_KES2023
Matsushita Laboratory
World Physiotherapy Congress 2023 での発表に用いた資料
Unification of Terminology for Accurate Communication among Experts --- Basic...
Unification of Terminology for Accurate Communication among Experts --- Basic...
Matsushita Laboratory
2023年度人工知能学会全国大会(第37回)の企画セッション「AIは仕掛学の夢を見るか?」のプレゼン資料です.
JSAI2023_企画セッション(仕掛学)資料
JSAI2023_企画セッション(仕掛学)資料
Matsushita Laboratory
情報処理学会HCI・EC合同研究会(2023/6)の発表資料
触感に関わる共感覚的表現と基本6感情の対応関係の検証
触感に関わる共感覚的表現と基本6感情の対応関係の検証
Matsushita Laboratory
情報処理学会第67回エンタテインメントコンピューティング研究会の発表資料
レシピの手順に着目した 複数の器特徴の推定
レシピの手順に着目した 複数の器特徴の推定
Matsushita Laboratory
第9回コミック工学研究会での発表
TaketoFujikawa_comic2023
TaketoFujikawa_comic2023
Matsushita Laboratory
情報処理学会第202回HCI研究会での発表
複数の質感を複合的に提示可能な触覚提示デバイス
複数の質感を複合的に提示可能な触覚提示デバイス
Matsushita Laboratory
周鉄爾の公聴会資料
効果音と抽象図形の動作の組み合わせによる印象変化に関する研究
効果音と抽象図形の動作の組み合わせによる印象変化に関する研究
Matsushita Laboratory
コミックや小説などの物語コンテンツは,物語中の時間進行に伴って発生するイベントに応じたキャラクタの行動や変化で駆動される~\cite{cambell}. キャタクタの変化は「成長」とも表現され,読者はこの成長に共感しつつコンテンツを享受する. キャラクタの成長は主として内面に関わる事象であり直接的にコンテンツから観測することができず,その理解は読者各々の主観的な解釈に委ねられるが, コミックではキャラクタの成長をセリフや表情,行動といった情報を用いて,読者が理解できるように表現されている. 例えば,成長をセリフを用いて表現する場合には,「冒頭では頼りない発言をしていたキャラクタが終盤では強気な発言をする」といった変化が描かれるであろう. この時,読者はキャラクタがある出来事を境界として「頼りない」状態から「強気」な状態へ変化したということを発言内容から読み取り,その成長を理解する. このことからキャラクタの発言に着目し,そのセリフ内容の極性がどのように変化するかで成長に関する情報を疑似的に表現できると考えた. またこのようにして得られた感情の変化と物語中に発生する出来事の特徴を比較し,その関係性を探索的に検討することでキャラクタの成長に関するメカニズムを解明することも期待される.
RyotaHiguchi_MasterThesis2023
RyotaHiguchi_MasterThesis2023
Matsushita Laboratory
竹村孟の公聴会で使った資料
携帯端末を用いたポインティングによる室内空間でのアドホックな情報アクセス手法に関する研究
携帯端末を用いたポインティングによる室内空間でのアドホックな情報アクセス手法に関する研究
Matsushita Laboratory
情報処理学会HCI201で発表した「Kokogatari:実環境を介したリレー小説執筆ツール」(http://id.nii.ac.jp/1001/00223208/)の発表資料.
Kokogatari:実環境を介したリレー小説執筆ツール
Kokogatari:実環境を介したリレー小説執筆ツール
Matsushita Laboratory
TAAI2022 の発表資料
Visualization of the Relationship Between Lectures and Laboratories Using SSNMF
Visualization of the Relationship Between Lectures and Laboratories Using SSNMF
Matsushita Laboratory
The 24th International Conference on Information Integration and Web Intelligence で発表した "Interactive visualization of comic character correlation diagrams for understanding character relationships and personalities" の発表資料です.
iiWAS2022_Miyagawa
iiWAS2022_Miyagawa
Matsushita Laboratory
IDR user forum 2022 invited talk
reIDR2022_takahashi.pdf
reIDR2022_takahashi.pdf
Matsushita Laboratory
Mehr von Matsushita Laboratory
(20)
TaketoFujikawa_10thComicComputing2023
TaketoFujikawa_10thComicComputing2023
SayakaHayashi_FIT2023
SayakaHayashi_FIT2023
松下研究室紹介_関西大学高槻キャンパスオープンキャンパス
松下研究室紹介_関西大学高槻キャンパスオープンキャンパス
ReonHata_JSAI2023
ReonHata_JSAI2023
HarukiShinkawa_FIT2023
HarukiShinkawa_FIT2023
ChinaTakahashi_Exploration cyclefinding a better dining experience:a frame...
ChinaTakahashi_Exploration cyclefinding a better dining experience:a frame...
TaketoFujikawa_KES2023
TaketoFujikawa_KES2023
Unification of Terminology for Accurate Communication among Experts --- Basic...
Unification of Terminology for Accurate Communication among Experts --- Basic...
JSAI2023_企画セッション(仕掛学)資料
JSAI2023_企画セッション(仕掛学)資料
触感に関わる共感覚的表現と基本6感情の対応関係の検証
触感に関わる共感覚的表現と基本6感情の対応関係の検証
レシピの手順に着目した 複数の器特徴の推定
レシピの手順に着目した 複数の器特徴の推定
TaketoFujikawa_comic2023
TaketoFujikawa_comic2023
複数の質感を複合的に提示可能な触覚提示デバイス
複数の質感を複合的に提示可能な触覚提示デバイス
効果音と抽象図形の動作の組み合わせによる印象変化に関する研究
効果音と抽象図形の動作の組み合わせによる印象変化に関する研究
RyotaHiguchi_MasterThesis2023
RyotaHiguchi_MasterThesis2023
携帯端末を用いたポインティングによる室内空間でのアドホックな情報アクセス手法に関する研究
携帯端末を用いたポインティングによる室内空間でのアドホックな情報アクセス手法に関する研究
Kokogatari:実環境を介したリレー小説執筆ツール
Kokogatari:実環境を介したリレー小説執筆ツール
Visualization of the Relationship Between Lectures and Laboratories Using SSNMF
Visualization of the Relationship Between Lectures and Laboratories Using SSNMF
iiWAS2022_Miyagawa
iiWAS2022_Miyagawa
reIDR2022_takahashi.pdf
reIDR2022_takahashi.pdf
Kürzlich hochgeladen
2024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
2024年4月に社内向けに開催した勉強会資料の社外公開版です
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
Hiroshi Tomioka
Syed Talal Wasim, Muzammal Naseer, Salman Khan, Ming-Hsuan Yang, Fahad Shahbaz Khan , "Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Grounding" arXiv2024 https://arxiv.org/abs/2401.00901v2
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
Toru Tamaki
NewSQLの可用性構成パターン (OCHaCafe Season 8 #4 発表資料) 2024年5月8日(水) NTTデータグループ 技術開発本部 小林 隆浩
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NTT DATA Technology & Innovation
2022年10月27日に社内向けに開催した勉強会資料の社外公開版です(発表8分程度)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Hiroshi Tomioka
Jue Wang, Wentao Zhu, Pichao Wang, Xiang Yu, Linda Liu, Mohamed Omar, Raffay Hamid, " Selective Structured State-Spaces for Long-Form Video Understanding" CVPR2023 https://openaccess.thecvf.com/content/CVPR2023/html/Wang_Selective_Structured_State-Spaces_for_Long-Form_Video_Understanding_CVPR_2023_paper.html
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
Toru Tamaki
2024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
LoRaWANスマート距離検出センサー DS20Lカタログ
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
CRI Japan, Inc.
This is an introduction to MAPPO's paper.
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
atsushi061452
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
CRI Japan, Inc.
2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
iPride Co., Ltd.
Kürzlich hochgeladen
(11)
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その32024/04/26の勉強会で発表されたものです。
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
業務で生成AIを活用したい人のための生成AI入門講座(社外公開版:キンドリルジャパン社内勉強会:2024年4月発表)
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
論文紹介:Video-GroundingDINO: Towards Open-Vocabulary Spatio-Temporal Video Groun...
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
NewSQLの可用性構成パターン(OCHaCafe Season 8 #4 発表資料)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
Observabilityは従来型の監視と何が違うのか(キンドリルジャパン社内勉強会:2022年10月27日発表)
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
論文紹介:Selective Structured State-Spaces for Long-Form Video Understanding
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
Amazon SES を勉強してみる その22024/04/26の勉強会で発表されたものです。
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
LoRaWANスマート距離検出センサー DS20L カタログ LiDARデバイス
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
論文紹介: The Surprising Effectiveness of PPO in Cooperative Multi-Agent Games
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
LoRaWAN スマート距離検出デバイスDS20L日本語マニュアル
新人研修 後半 2024/04/26の勉強会で発表されたものです。
新人研修 後半 2024/04/26の勉強会で発表されたものです。
位置情報に基づく画像分類モデルの 選定による看板画像の分類精度向上
1.
関西大学 総合情報学部 中道 翔大
松下光範 位置情報に基づく画像分類モデルの 選定による看板画像の分類精度向上 1
2.
・人々の行動 ◻ どの店に入るかなどの意思決定 ◻ 店舗名をもとにしたWeb検索による 店舗の詳細情報の取得 看板の役割 店舗や会社の名称の掲示 2
3.
韓国語の看板 3
4.
読みづらい文字の看板 4
5.
・ユーザの母国語ではない文字 ・崩し文字などの認識が難しい文字 ・言語障壁により、店舗の種類の判別や 検索による詳細情報の取得が困難 看板における問題 5
6.
・慣れていない地域にいる時 ・周囲の文字が読めない状況 本研究の最終目的 6 看板から店舗の詳細情報を 取得できるシステムの実現
7.
現状のシステムのデモ 7
8.
①携帯端末のカメラに写っている画像をWebAPIサーバーに送信 ②送信された画像から看板領域を検出(YOLOv2を使用) システムの詳細 8
9.
③検出された領域からどの店舗の看板であるかを画像分類モデル によって識別(VGG16により構築) ④判別した店舗の「食べログ」のページのURLを携帯端末に返却 システムの詳細 ラーメン人生JETの 食べログのURL ラーメン人生JET 9
10.
システムの課題 10 システムを適用できる店舗が少ない (15店舗のみ) システムの対象店舗を増やす →看板画像を識別する際に候補となる店舗数も同時に増える →看板画像の分類モデルの精度低下により、看板の識別精度が低 下する懸念がある 対象店舗数 識別精度
11.
本研究の目的 11 システムの対象店舗を増やした際に発生する 画像分類精度の低下を低減する ユーザの位置情報に基づいた 使用モデルの選定による 看板画像の分類精度向上
12.
①対象店舗が属する地域を、各店舗の地理的近接性に基づいて分割 提案手法 A G E D C F B H N I J M L K O P 12
13.
①対象店舗が属する地域を、各店舗の地理的近接性に基づいて分割 提案手法 エリア① エリア② エリア③ エリア④ A G E D C F B H N I J M L K O P 12
14.
エリア① エリア② エリア③ エリア④ A G E D C F B H N I J M L K O P ②分割したエリアごとに看板画像を学習させる 提案手法 画像
店名 A C L P 画像 店名 F J K O 画像 店名 D E H N 画像 店名 B G I M データセット① データセット③ データセット② データセット④ モデル① モデル② モデル③ モデル④13
15.
エリア① エリア② エリア③ エリア④ A G E D C F B H N I J M L K O P ③ユーザの位置情報に基づいて画像分類モデルを選定し、識別を行う 提案手法 看板
店名 A C L P 看板 店名 F J K O 看板 店名 D E H N 看板 店名 B G I M データセット① データセット③ データセット② データセット④ モデル① モデル② モデル③ モデル④ User 14 User
16.
エリア① エリア② エリア③ エリア④ A G E D C F B H N I J M L K O P ③ユーザの位置情報に基づいて画像分類モデルを選定し、識別を行う 提案手法 画像
店名 A C L P 画像 店名 F J K O 画像 店名 D E H N 画像 店名 B G I M データセット① データセット③ データセット② データセット④ モデル① モデル② モデル③ モデル④ 14 User User
17.
実装 15 看板画像データセットの作成 Step 1 Step 2 Step
3 Step 4 対象店舗の位置情報の収集 位置情報に基づく地域の分割 エリア毎の画像分類モデルの構築
18.
Step1 看板データセットの作成 スクレイピングによる看板画像の収集 ①「食べログ」の各店舗のページに掲載されている外観画像を、 BeautifulSoup4を用いたスクレイピングによって自動で収集 16
19.
Step1 看板データセットの作成 スクレイピングによる看板画像の収集 ②各外観画像に対して物体検出によって看板画像を検出して切り出し 20枚以上収集できた930店舗をシステムの対象に設定 物体 検出 17
20.
スクレイピングによる対象店舗の住所の収集 ①「食べログ」の各店舗のページに掲載されている住所を スクレイピングによって収集 Step2 対象店舗の位置情報の収集 18
21.
Step2 対象店舗の位置情報の収集 ジオコーディング ②ジオコーディングを適用して、各店舗の住所を緯度経度に変換 19 上:緯度 下:経度
22.
Step3 位置情報に基づく地域の分割 k平均法によるクラスタリング ・地理的近接性に基づいて分割 ・クラスタ数:18 ・店舗数 ◻最も多いエリア:197店舗 ◻ 最も少ないエリア:5店舗 20
23.
Step4 エリア毎の画像分類モデルの構築 VGG16による転移学習 21 ◻ トレーニングセット:60% ◻
バリデーションセット:20% ◻ テストセット:20% ・拡大縮小,水平反転,拡大縮小,せん断変換による データの水増し ・224×224にリサイズして学習
24.
対象店舗全ての看板を学習 モデルの精度比較 22 エリア内の店舗の看板を学習 大阪府内 エリア2 エリア1 エリア18 ・・・ 正解率:0.799 (エポック数:2000) 正解率の平均:0.879 最小の正解率:0.821 (エポック数:50-400) 提案手法による精度の向上が確認できた
25.
考察 23 最も高い正解率:1.0 最も低い正解率:0.821 店舗数が多いエリアの モデルの正解率が低下 各エリアごとの店舗数を可能な限り均一にする エリアの分割手法
26.
考察 24 対象地域の細分化 →各エリアの店舗数が削減に よる分類精度向上 →構築するモデル数の増加 →コストの増大 エリア数と構築するモデル数のトレードオフを考慮 エリアの分割手法 エリア数:4 (k=4) エリア数:10
(k=10)
27.
今後の展望 25 ・地域の分割手法の再検討 ・実世界でのシステムの識別精度の確認 ・ユーザの付近にある店舗を候補として識別を行う手法の検討 User 店舗E、F、L、N、P を候補として識別
28.
背景 まとめ |看板の役割は店舗や会社の名称の掲示 |読めない看板からの情報の取得は困難 研究の最終目的 |看板から店舗情報を取得するシステムの実現 システムの詳細 |物体検出及び画像分類を用いた看板の識別 システムの課題 |システムを適用できる店舗が少ない |対象店舗を増やす→分類候補数が増える →分類モデルの精度が低下し、看板の識別精度が低下 提案手法 ①対象の地域を複数のエリアに分割 ②分割したエリアごとに看板画像を学習 ③ユーザの位置情報に基づいた分類モデルの選定 |識別した店舗の食べログのURLを送信 |各エリアごとの店舗数を可能な限り均一にする |エリア数と構築するモデル数のトレードオフを考慮 実装 研究の目的 |対象店舗の増加に伴う分類精度の低下を低減 ①看板画像データセットの作成 ②対象店舗の位置情報の収集 ③位置情報に基づく地域の分割 ④エリア毎の画像分類モデルの構築 考察
Jetzt herunterladen