単純並列およびアンサンブルモデルを用いた地震映像からのマルチラベル異常検知

抄録

地震発生時の現場映像を活用した被害の迅速な把握は，防災工学上の喫緊の課題である．とくに，人的確認による被害分類には時間と労力がかかることから，映像を用いた自動的な異常検知手法の確立が求められている．本研究では，異常が含まれる画像フレームかどうかを判別する機械学習モデルを応用し，その中身である異常種別を抽出することが可能かを検証した．判別する異常種別に特化した弱識別器と呼ばれる2クラス判別器を6種組み合わせたアンサンブルモデルを構築し，4つのアンサンブル手法を比較しながら最終精度の改善を試みた．データは地震映像切り出し画像と正解ラベルに加え動画IDのOne-hot入力の有無 2ケースにて実験した．結果，One-hot入力ありで弱識別器を単純並列させたモデルのハミング損失が0.0015となり，その他の3つのアンサンブル手法と比較して高い識別性能を示した．また，データ分割方法別の信頼性検証を行い，汎化における限界を明らかにした．