データ拡張を用いた人物動作異常検知

カテゴリ：部門大会

論文No：OS4-2-8

グループ名：【C】2025年電気学会電子・情報・システム部門大会

発行日：2025/8/20

タイトル(英語)：Human Action Anomaly Detection by utilizing Data Augmentation

著者名：上出 耕一郎（富山大学）,前田 駿（福井大学）,坂井 俊介（福井大学）,顧 淳祉（豊橋技術科学大学）,張 潮（富山大学）

著者名(英語)： Koichiro Kamide (University of Toyama),Shun Maeda (University of Fukui),Shunsuke Sakai (University of Fukui),Chunzhi Gu (Toyohashi University of Technology),Chao Zhang (University of Toyama)

キーワード：人物動作異常検知,Few-shot異常検知,データ拡張データ拡張,Human Action Anomaly Detection,Few-shot Anomaly Detection,Data Augmentation

要約(日本語)：人物動作異常検知とは，正常な動作を定義し，それ以外の動作を異常とみなすことで，入力動作を正常か異常のどちらかに分類するタスクである．特に，本研究では少数の正常サンプルのみを用いて異常を検出するfew-shot設定に焦点を当てる．従来手法では，人物動作をベクトル表現に変換するエンコーダを対照学習により訓練し，サポートセットとテストデータの表現間の類似度に基づいて異常を判定する．しかし，正常カテゴリが含む動作パターンの多様性が高い場合，限られたサポートセットだけでは正常分布を正確に捉えられず，検出精度が低下する課題がある．そこで本研究では，人物動作予測モデルを導入し，サポートセットを拡張することで正常分布の補完を図る手法を提案する．実験結果は，サポートセットの拡張が異常検知精度の向上に寄与する可能性を示唆している．

本誌掲載ページ：975-979p

原稿種別：日本語

PDFファイルサイズ：227Kバイト