1.
愛知工業大学
澤野研究室
3年 水野由斗
機械学習を用いたTWICEメンバーの
自動識別手法の提案
メンバーの多さ アジア圏出身
見分けがつきづらい
機械学習で顔画像の識別

2.
愛知工業大学
澤野研究室
3年 水野由斗
サナ
ダヒョン
ジヒョ
モモ
ナヨン
ジョンヨン
ツウィ
ミナ
チェヨン
機械学習ならすぐにTWICEのメンバー分類できる?
機械学習を用いたTWICEメンバーの
自動識別手法の提案
愛工大 澤野研 3年 水野由斗
提案手法
動画から顔検出 顔画像の切り抜き メンバーごとに機械学習

3.
愛知工業大学
澤野研究室
3年 水野由斗
実験結果
今後の課題:
データ枚数の増加，顔の傾き画像の対応
学習用データ枚数 1,711
訓練用データ枚数 1,201
検証用データ枚数 510
識別精度(%) 56.47
機械学習を用いたTWICEメンバーの
自動識別手法の提案
愛工大 澤野研 3年 水野由斗

4.
愛知工業大学
澤野研究室
3年 水野由斗
現在取り組んでいる研究:
あホッケー分析アプリの作成
試合映像入力 映像の切り抜き シーンごとに保存，編集，削除
シュートシーン
ドリブルシーン
ゴールシーン
愛知工業大学
澤野研究室
3年 水野由斗

5.
愛知工業大学
澤野研究室
3年 水野由斗

6.
愛知工業大学
澤野研究室
3年 水野由斗
質問対策
顔検出の手法
※Jiankang Deng. Retinaface: Single-Shot Multi-Level Face Localization in the Wild. 2020
※
①動画をフレームで分割
②フレームごとにRetinafaceを用いた顔の検出

7.
質問対策
顔検出結果
メンバー 検出枚数
ダヒョン 218
ジョンヨン 118
ジヒョ 287
ミナ 177
モモ 245
ナヨン 198
サナ 146
ツウィ 134
チェヨン 189

8.
質問対策
効率よく
高い精度を得られる
画像分類モデル
※Mingxing Tan. Ef
fi
cientNet: Rethinking ModelScaling for Convolutional Neural Networks. 2019
機械学習E
ffi
cientNetについて
※