著者

小川 宏高 中田 秀基 工藤 知宏

出版者

一般社団法人情報処理学会

雑誌

研究報告ハイパフォーマンスコンピューティング(HPC)

巻号頁・発行日

vol.2013, no.15, pp.1-6, 2013-05-22

---

我々は,オンライン機械学習向け分散処理フレームワーク Jubatus を基盤として用いた,大量センサデータに対するリアルタイムかつ複雑な解析を実現する処理エンジンの構築を目指している.特にさまざまな応用分野へのシステムの適用を想定した場合,多種多様なリアルタイムデータを処理対象として取り扱えることが重要である.そのなかでも映像や音声に代表されるメディアデータは,汎用性が高く,実世界へのセンサー装置の浸透が顕著に進んでおり,内包している情報量の多さから高い利用価値が期待される.本稿では,Jubatus を基盤として実際に多数の動画像を対象としたリアルタイム異常値検出を行うシステムを構築し,その構成概要を示した.また,性能特性の調査を行い,その結果を示した.その結果,学習データに基づいた異常値検知はリアルタイムに実現できたが,学習フェーズは学習データの増加とともにリアルタイムに処理することが困難になった.レスポンス時間についてより詳細な調査を行い,LSH から取得した擬似近傍点の個数が多い場合に著しい性能劣化が見られることが判明した.We aim to build a real-time and complex data analisys engine for large-scale sensor data, based on a distributed online machine-learing framework, Jubatus. In order to adapt this engine to various application areas, it is crucial that we can handle a wide variety of real-time data. Especially, multimedia data, including video and audio, are general-purpose and feature rich, and their sensors have already been penerated into the real world deeply and widely. Hence, we expect that they are quite valuable for various applications. In this paper, we realize an actual system that provides real-time anomaly detection for multiple video streams and describe the overview of our system. And, we also investigate the performance characteristics of the system. As a result, anomaly dectection based on learnt video frames can be performed at real-time, but learning phase can hardly be processed at real-time according to the growth of learnt video frames. We conduct more detailed investigation into the response time of the system, and clarify that peformance degradation is observed mostly when the amount of pseudo-neighbors extracted from LSH is relatively large.