LIDスライド / LID Slide LIDスライド / LID Slide
/
概要
閲覧数
7 Views

心拍を利用したパーソナライズ感情推定モデル・アプリケーションの開発:リザバーコンピューティングを用いた感情認識システム

タグ

公開日時

更新日時

スライド概要

未設定

埋め込みHTML

Copied.

各ページのテキスト

各ページの
テキスト

  • EmoNote ⼼拍を利⽤した パーソナライズ感情推定の提案 法政⼤学理⼯学部 福原 陸翔 N⾼等学校 喜⽥ 拓真 背景 結果 • ⽣体情報を利⽤し、⼈の感情や⼼の状態を検出・認識する研究 • 発展として、様々なユースケースのもと、感情推定を⾏う研究・サービス 福原・喜⽥のデータに対して感情推定モデルのパーソナライズ化 興奮度 事前学習モデル 正解率: 18.8% 研究︓脳波と⼼拍をそれぞれ取得し、両⽅のデータを使⽤し、悲しみ・恐れ・喜び・穏やか の4つの感情の推定(浦部 他2020[3])・精度向上を⽬的として、脳波と⼼拍変動指標 の特徴量を抽出・選択し、喜怒哀楽の4感情への分類(鈴⽊ 圭, 松原 良太, 菅⾕ みどり2021[4]) 等 サービス :⼿⾸に脈拍を取得できる「Silmee W20/W22」を使⽤し、脈拍データから、 HAPPY、ANGRY、SAD、RELAXEDの4つの感情のいずれかを提⽰する「NECの感情分 析ソリューション」(阿部 他 [2])等 • 「喜怒哀楽」や「感動」といった基本・特定の感情に焦点 • 汎⽤モデルについて研究 →個⼈の独⾃の感情についての研究 →感情推定モデルのパーソナライズ化 モデルを10個 追加学習 正解率: 25.0% モデルを50個 追加学習 正解率:50.0% 事前学習モデルに⽐べて、 約30ポイント上昇 事前学習モデルのみの個⼈の感情推定は難しい 事前学習モデルを追加学習 →感情推定モデルの個⼈最適化が⾏えた 提案 • • • • • 繊細な感情の推定による⾃⼰理解の深化の提供 感情認識技術の実⽤性・普遍性向上 現実のシチュエーション反映した感情解析の提供 ラッセルの円環モデルでの感情価・興奮度それぞれ5段階での解析 ユーザーの感情を知り、寄り添う感情パートナー”EmoNote”の開発 ⽅法/⼿順 ユーザーの⼼拍を⽤いて、ユーザーに最適化された感情推定モデル開発 ⼼拍 ⼼臓の拍動と拍動の間の時間に感情が現れる ⼼拍センサー(Polar H10)は⼩型・服に隠れる →⽇常に溶け込みやすい 今後の予定 ベンチマークとなる先⾏研究が少なく、新しいアプローチ • ⼼拍のRRIのみでの感情の推定 • 推定する指標の細かさ • リザバーコンピューティングモデルの使⽤ 研究を続け、個⼈最適化感情推定モデルの精度向上を⽬指す パーソナライズ感情推定モデル リザバーコンピューティングモデルを使⽤ 計算資源の少なさ・学習,推定時間の削減 →モバイルでの実⾏可能 →データのローカル処理によるプライバシー・セキュリティリスクの低減 デモデータセット作成 事前学習モデルの概要・詳細設計 事前学習モデルの実装 • • • • • データ拡張と分割 特徴量の追加 複数モーダルモデルの開発と検討 それぞれの特徴量の感情推定モデル・アンサンブルの開発と検討 評価指標の変更と特徴量をベイズ最適化を使⽤して、モデルごとに選択モデルの開発と検討 事前学習モデルを個⼈に最適化するシステム実装 実⽣活への考えられる応⽤ オフィス環境と従業員の感情の関係に関する研究 課題︓プライバシーの保護、データのセキュリティ 具体的なアイデア︓ 従業員が⾃らの感情データを匿名で提供する仕組み リラクゼーションスペースの利⽤状況を分析し、効果的な利⽤⽅法を提案 ポジティブなフィードバックを共有する仕組み 課題︓個々の体質や⾷習慣への対応 具体的なアイデア︓ ユーザーの腸内環境検査結果と感情データを組み合わせた分析 個々のニーズに合わせた⾷事提案 ストレス軽減のための⾷習慣改善プログラム 謝辞 本研究は、未踏ターゲット事業の⽀援を受けました。

おすすめスライド

おすすめスライド