Deep Learning
Convolutional-Recurrent Neural Network による自己運動識別
- Author
- 神谷龍司, 川口俊樹, 福井宏, 石井育規, 小塚和紀, 羽川令子, 築澤宗太郎, 山下隆義, 山内悠嗣, 藤吉弘亘
- Publication
- 画像センシングシンポジウム, 2016
Download: PDF (Japanese)
Convolutional-Recurrent Neural Network (C-RNN) は,Deep Convolutional Neural Network (DCNN) に よる特徴抽出と Recurrent Neural Network (RNN) に よる時系列対応により,動画像などの時系列を学習す ることができる.C-RNN は,畳み込み層と LSTM 層 を End-to-End で学習するため,DCNN と RNN のパ ラメータを同時に最適化する必要があり,パラメータ がうまく学習されない場合がある.本研究では,1 人称 視点映像からの自己運動識別を対象とし,C-RNN のよ り良いパラメータを学習する方法及び入力データの形 式について検討する.学習は,DCNN と RNN を End- to-End で学習する方法と,DCNN と RNN を別々に学 習する 2 段階学習を導入する.入力には,カラー画像, オプティカルフローおよびオプティカルフローの方向 ベクトルの可視化画像,カラー画像と方向ベクトルの 可視化画像の 3 種類の入力データを用いる.方向ベク トルの可視化画像を用いることで,各画素の移動方向 や強度を 1 枚の画像で表現できる.評価実験の結果,方 向ベクトルの可視化画像を 2 段階で学習した場合に最 も良い自己運動識別精度を得ることができた.