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

Fukuhara Rikuto 福原　陸翔

公開日時

2024/03/08 - AM08:27

更新日時

2024/03/08 - AM08:31

スライド概要

未設定

Twitter Facebook LinkedIn

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。