[論文レビュー] Cross-Country Skiing Gears Classification using Deep Learning

Aliaa Rassem, Mohammed El-Beltagy+1 more|arXiv (Cornell University)|Jun 27, 2017

Human Pose and Action Recognition参考文献 1被引用数 7

ひとこと要約

本稿では、3次元加速度計データを用いたクロスカントリー スキーのギア分類のためのディープラーニング手法を提案する。畳み込みニューラルネットワーク（CNNs）、長短期記憶（LSTM）ネットワーク、およびマルチレイヤーパーセプトロン（MLPs）を比較した。標準的な前向きLSTMが1.6%の最低分類誤差を達成し、共有重みとメモリゲートを用いた時間的依存性のモデル化能力により、他のモデルを上回った。

ABSTRACT

Human Activity Recognition has witnessed a significant progress in the last decade. Although a great deal of work in this field goes in recognizing normal human activities, few studies focused on identifying motion in sports. Recognizing human movements in different sports has high impact on understanding the different styles of humans in the play and on improving their performance. As deep learning models proved to have good results in many classification problems, this paper will utilize deep learning to classify cross-country skiing movements, known as gears, collected using a 3D accelerometer. It will also provide a comparison between different deep learning models such as convolutional and recurrent neural networks versus standard multi-layer perceptron. Results show that deep learning is more effective and has the highest classification accuracy.

研究の動機と目的

• センサーベースのデータを用いて、強度や周波数が異なるクロスカントリー スキーのギアを分類するという課題に対処すること。
• 特にCNNs、LSTMs、MLPsを用いた深層学習モデルの、スキーの運動パターン分類における有効性を評価すること。
• 手作業による特徴量設計の制限を克服し、深層ニューラルネットワークによるエンドツーエンド学習を活用すること。
• スキー信号の時間的ダイナミクスを捉える能力について、異なる深層学習アーキテクチャの性能を比較すること。

提案手法

• 複数のスキーイヤーがさまざまなスキーのギアを実施した際の多軸加速度計データを収集した。
• 1次元CNN、双方向および標準LSTM、2層MLPを含む深層学習モデルを用い、センサーデータの時間的系列を分類した。
• 手作業による特徴量設計を一切行わず、生の3次元加速度信号を入力とすることで、階層的特徴学習を可能にした。
• CNNのフィルタ数と、1ステップあたりのLSTMユニット数を変化させることで、モデル性能を最適化した。
• 標準的なディープラーニング部品（ReLU活性化関数、マックスプーリング、ドロップアウト正則化、ソフトマックス出力層）を採用した。
• 広範かつ多様なスキーのデータセットを用いて、テスト分類誤差を評価し、汎化性能とロバスト性を比較した。

実験結果

リサーチクエスチョン

• RQ1 手作業による特徴量設計を一切行わず、生の3次元加速度計信号からクロスカントリー スキーのギアを効果的に分類できるのか？
• RQ2 CNNs、LSTMs、MLPsといった異なる深層学習アーキテクチャは、強度や周波数が変動するスキーの運動パターン分類において、どのように性能を発揮するのか？
• RQ3 スキーのギア認識において、最小の分類誤差を達成するための1ステップあたりのLSTMユニット数の最適値は何か？
• RQ4 双方向LSTMアーキテクチャは、単方向LSTMに比べてスキーの系列分類において優位性を示すのか？
• RQ5 従来のMLPは、複雑で変動する強度のスキー信号に対して、なぜ再帰的および畳み込みネットワークと比較して一般化性能が低いのか？

主な発見

• 標準的な前向きLSTMが1.6%の最低分類誤差を達成し、テストされたすべての他のモデルを上回った。
• 1ステップあたりの再帰的ユニット数を増やすことでLSTMモデルの性能が向上し、最適なユニット数は入力信号長と一致した。
• 双方向LSTMは単方向LSTMに比べて性能向上を示さなかった。これは、スキーの運動パターンが順序的であることに起因する可能性がある。
• CNNsは少数の局所フィルタを用いることで2.4%の最小誤差を達成したが、フィルタ数を増やしても性能向上が見られなかった。
• 2層MLPは一般化性能が著しく低く、隠れユニット数を増やすほど性能が悪化した。これは、時間的ダイナミクスのモデル化が不十分であることを示している。
• LSTMの共有重みとメモリゲートのおかげで、時間系列における長期依存性の有効な学習が可能となり、本タスクに最も適したアーキテクチャであった。