深層学習を用いた音響画像に基づく魚群量推定システムの開発

本研究では,定置網漁業における資源管理を目的としたシステム開発を行った.定置網内を観測する魚群探知機から得られる音響画像を入力とし,漁獲管理対象であるマグロを推定する畳み込みニューラルネットワーク(CNN)モデルを開発した.前年度からの課題である実環境データ不足による汎化性能の低下を改善するため,データの分布を拡張するデータオーギュメント手法の検討とCNNモデルの学習を行った.具体的には,オリジナルの画像に対して複数の画像処理とその変化度合いを決定する強度パラメータの組み合わせを探索するRandAugment手法を用いた.実験の結果,この手法は一般的な画像分類モデルに対して大きな貢献があることは知られているが,処理方法によっては音響画像に対して破壊的な処理を加えてしまう可能性を示唆した.例えば,Invert処理は画素値を反転するが,音響画像において水とは異なる物質は反射強度が大きく,その領域は画素値が大きいという性質上,小さくなることが分かる.そのため,着目すべき特徴量を消してしまうことに繋がる.また,海面上のノイズや定置網の影が分類に影響していることがわかっており,コントラストの強度を調整し,こういった画像の特徴をさらに強調しないようにする必要がある.RandAugment手法から特定の画像処理手法を除外し学習した結果,全体の精度はRandAugmentなしのモデルと比較し2%向上することが分かった.さらにこの結果から,音響画像という1次元のセンサーデータを2次元で表現した画像データに対して,一般的な物体に対する画像処理手法が有効であったことが示唆された.

本研究では,定置網漁業における資源管理を目的としたシステム開発を行った.定置網内を観測する魚群探知機から得られる音響画像を入力とし,漁獲管理対象であるマグロを推定する畳み込みニューラルネットワーク(CNN)モデルを開発した.前年度からの課題である実環境データ不足による汎化性能の低下を改善するため,データの分布を拡張するデータオーギュメント手法の検討とCNNモデルの学習を行った.具体的には,オリジナルの画像に対して複数の画像処理とその変化度合いを決定する強度パラメータの組み合わせを探索するRandAugment手法を用いた.実験の結果,この手法は一般的な画像分類モデルに対して大きな貢献があることは知られているが,処理方法によっては音響画像に対して破壊的な処理を加えてしまう可能性を示唆した.例えば,Invert処理は画素値を反転するが,音響画像において水とは異なる物質は反射強度が大きく,その領域は画素値が大きいという性質上,小さくなることが分かる.そのため,着目すべき特徴量を消してしまうことに繋がる.また,海面上のノイズや定置網の影が分類に影響していることがわかっており,コントラストの強度を調整し,こういった画像の特徴をさらに強調しないようにする必要がある.RandAugment手法から特定の画像処理手法を除外し学習した結果,全体の精度はRandAugmentなしのモデルと比較し2%向上することが分かった.さらにこの結果から,音響画像という1次元のセンサーデータを2次元で表現した画像データに対して,一般的な物体に対する画像処理手法が有効であったことが示唆された.