ファインチューニングによる作業認識モデル学習の教師データ量削減

佐羽内 雅人; 草野 勝大; 清水 尚吾; 小平 孝之

doi:10.1299/jsmemsd.2023.203

セッションID: 203

DOI https://doi.org/10.1299/jsmemsd.2023.203

会議情報

主催: 一般社団法人日本機械学会

会議名: 生産システム部門研究発表講演会2023

開催日: 2023/03/06 - 2023/03/07

ファインチューニングによる作業認識モデル学習の教師データ量削減

*佐羽内雅人, 草野勝大, 清水尚吾, 小平孝之

著者情報

キーワード: Worker Behavior Recognition, Training Data Reduction, Fine-Tuning, Convolutional Neural Network

会議録・要旨集認証あり

詳細

抄録

工場での人手作業の時間計測は骨格情報を用いた作業認識により効率化できるが，工程の数に伴い増大する教師データ作成の手間が問題であった．この問題に対し，ファインチューニングによる教師データ量削減効果と最適な再学習層数を調査した．調査の結果，4層の畳み込み層から構成される作業認識モデルに対し，再学習する畳み込み層を3層とした場合，認識精度低下を1%に抑えた上で，教師データ量を5割削減できることが分かった．今後は，さらなる教師データ量削減に向け，認識精度低下原因を調査する．

責任著者(Corresponding author)

J-STAGEへの登録はこちら（無料）