Home
->  8月開催 化学系セミナー  9月開催 化学系セミナー 

生体情報計測による感情の可視化と活用事例

8月開催 化学系セミナー  更新日:2020年7月 1日
 セミナー番号【009212】9/9 講師3名
★ 得られた生体計測データやアンケートから どう感情解析に活かすか、豊富な事例から解説します!

生体情報計測による感情の可視化と活用事例


■ 講師
1. (株)夏目綜合研究所 取締役所長 菊池 光一 氏
2. 徳島大学 創成科学研究科 講師 博士(情報学)  西出 俊 氏
2. 日本電気(株) バイオメトリクス研究所 梅松 旭美 氏
■ 開催要領
日 時 : 2020年9月9日(水) 10:30~16:00
会 場 : [東京・五反田] 技術情報協会 セミナールーム
聴講料 : 1名につき 55,000円(消費税抜、資料付)
〔1社2名以上同時申込の場合のみ1名につき50,000円〕

   
※定員になり次第、お申込みは締切となります。


プログラム

 【10:30‐12:00】  

1.瞳孔反応による情感解析と可能性

(株)夏目綜合研究所 取締役所長 菊池 光一 氏
 
【講座趣旨】
  無意識の情動反応である瞳孔の計測から解析の最新技術と応用事例、今後の可能性などを説明します。瞳孔反応解析では明るさなどの影響を除去し、さらに独自アルゴリズムを有する表情反応解析との連動で人の情感を数値化します。


1.瞳孔反応とは
 1.1 参考映像 (番組紹介より抜粋)
 1.2 瞳孔に着目した理由
 1.3 注目・関心で瞳孔は開く (ある論文との出会い)
 1.4 明るさや他の生理反応の影響
 1.5 目は心の窓 (嘘を見抜く)
 1.6 情感とは (表情反応との連動)
 1.7 取得及び申請済み特許概要

2.計測から解析
 2.1 計測機器 (視線・瞳孔計測:据え置き型・移動型)
 2.2 計測機器 (表情計測)
 2.3 輝度の重要性 (最新輝度計測システム開発)
 2.4 解析概要 (明るさや他の生理反応除去:瞳孔)
 2.5 解析概要 (独自のアルゴリズム:表情)
 2.6 可視化プログラム紹介 (最新開発版)

3.情感解析の応用
 3.1 何に利用できるか
 3.2 応用事例1 (視覚・マーケティングなど)
 3.3 応用事例2 (嗅覚:自律神経検査実験)

4.応用事例3 (触覚:反応実験)

5.応用事例4 (聴覚:反応実験)

6.応用事例5 (イメージ想起)

7.視認対象効果度とは (視聴の質を数値化:特許取得)

8.番組とCMの注目度変化事例 (同じCMでも番組の影響を受ける)

9.将来への取り組みと可能性
 9.1 デバイスの将来 (研究用から一般向け)
 9.2 事業への取り組みなど

【質疑応答】
-------------------------------------------------------------------------------------

【12:45‐14:15】

2.顔表情・音声・会話文のマルチモーダルな感情推定と応用事例

徳島大学 創成科学研究科 講師 博士(情報学)  西出 俊 氏
 
【習得できる知識】
 本講演では簡単な画像処理・音声処理・自然言語処理を用いた感情推定方法を習得できる。また、各モダリティ情報を数値化するモーダル値と時系列データに対するモーダル値の計算方法の一手法を習得できる。

【講座趣旨】
 本講演では複数のモダリティを統合した感情推定手法について研究事例を紹介する。具体的には顔表情・音声・会話文などのモダリティを統合した感情推定について紹介し、最近の研究内容についても概要を紹介する。


1.はじめに

2.マルチモーダルな感情推定モデル
 2.1 顔表情を用いた感情モーダル値計算
 2.2 音声を用いた感情モーダル値計算
 2.3 会話文を用いた感情モーダル値計算
 2.4 モーダル値を統合した感情推定

3.深層学習モデルを用いた時系列情報のモーダル値計算
 3.1 リカレントニューラルネットワークによる分散表現獲得
 3.2 人物の行動情報によるモーダル値計算
 3.3 未学習行動クラスのモーダル値の分布
 3.4 画像情報と音情報のモーダル値統合に向けて

4.おわりに

【質疑応答】
-------------------------------------------------------------------------------------

【14:30‐16:00】

3.ウェアラブルセンサからの生体情報を用いた気分,ストレス,健康度予測

日本電気(株) バイオメトリクス研究所 梅松 旭美 氏
 
1.ストレス予測実験に用いたデータと特徴量
 1.1 実験に用いたデータと分類ラベル
 1.2 特徴量計算
 1)行動に関するアンケート
 2)生体情報
 3)携帯電話のログ
 4)移動量

2.手法
 2.1 Long Short Term Memory Networks(LSTM)
 2.2 Staticモデル
 2.3 実験
  1)翌日のストレス予測結果
  2)受動的に取得できるデータのみを使用した翌日のストレス予測結果

【質疑応答】