Computational Ethology のための複数個体行動追跡手法の開発

点击翻译按钮获取中文摘要

２０２２年度に実施した研究に関する実績は、①教師なし深層表現学習により得られた画像特徴のクラスタリング手法の精度検証ならびにハイパーパラメータの検討、②ARタグによるミツバチ歩行軌跡検出アプリの実装、の２つである。①では、これまでに提案した段階的畳み込み自己符号化器に対して、各種ハイパーパラメータの組み合わせ数十パターンに対して交差検証を行って、その性能評価を行なった。具体的には、中間層の次元数を100次元、500次元、1000次元とし、事前学習、詳細学習のエポック数をそれぞれ500,1000,2000として、その組み合わせ約30パターンについて、5グループに分割した交差検証により、それぞれ5回実験を行った。さらに損失関数を従来の平均二乗誤差だけでなく、SSIM（Structural Similarity Index Measure：構造的類似性指数)とした場合についても、同様の実験を行い、その精度を検証した。次に②では、ARタグを用いて個体検出をするアプリの開発を行い、iPhone/iPadで動作するiOSアプリのプロトタイプを作成した。背中にARタグをつけたミツバチを撮影すると、ARタグを検出して、そのミツバチの個体番号を表示するとともに、体軸の向き、歩行軌跡を同時に表示するアプリとなっている。また上記2つの他、近年、動物行動解析の分野で注目されている、DeepLabCutをミツバチ行動観察に利用できないか検討し、触角の動きを自動追跡するプロトタイプシステムを完成させた。2023年度には行動追跡に応用できないか検討する予定である。以上の研究業績①に関しては、電子情報通信学会ならびに情報処理学会で発表を行った。