転移学習を用いたWi-Fi電波による屋内日常物の状態推定に関する検討

センサ技術 ・ IoT 技術の進展により，実世界から収集されたセンサデータを用いたコンテキスト認識技術が盛んに研究されており，特に普及が著しい Wi-Fi の電波を用いた認識技術が注目を集めている．防犯や屋内のオートメーションへの応用に向けて，Wi-Fi 電波を用いた日常物の状態推定手法が近年研究されているが，従来の手法は教師あり学習の枠組みを用いていた．しかし，部屋内の窓やドアなどの配置，Wi-Fi 送信機と受信機の位置により Wi-Fi 電波の伝搬の仕方は異なるため，観測される Wi-Fi 電波の特徴は環境に大きく依存する．したがって，ある一つの環境のデータで学習された日常物状態推定モデルは，他の環境における推定には利用できない．環境ごとに学習用データを収集するコストは非常に高く，その導入は非現実的である．本研究では，日常物の状態変化前後における，受信機で観測された電波の到来角の環境非依存的な変化を，Domain Adversarial Neural Network (DANN) を用いた転移学習により認識する手法を考案した．提案手法により，ラベルあり学習データの存在しない転移先環境においても，高精度に日常物の状態変化を検出できる．