Analysis of mimetic traits of butterflies using deep learning.

点击翻译按钮获取中文摘要

本年度は、深層ニューラルネットワークを利用した既存の類似度定量化手法に対して、自身の研究課題であるチョウ擬態形質の定量化のため、様々な改良を施した。具体的には、① 前年度に開発環境の構築・動作の確認が取れていたLPIPSであるが、本アルゴリズムは大規模画像データセットImageNetを元に学習済みのニューラルネットワークに依存しており、チョウの類似度評価に適していなかった。そこで、前年度に撮影したアゲハチョウ科・タテハチョウ科計32種の標本画像データセットを元に、チョウの種間の距離を最大化するようにLPIPSをチューニングし、チョウのデータセットに対する最適化をおこなった。② 捕食者が識別できる/できないチョウの組み合わせのデータを用いて、捕食者の識別において重要でない特徴量の探索を行い、①のチューニング済みLPIPSからこれらの特徴量の出力を除外することにより、より捕食者の反応に近いと思われる類似度評価をおこなった。その結果、従来の認識と異なる類似関係が示唆された。③ LPIPSに加え、先行研究でチョウの類似度評価に用いられたButterflyNetの動作を確認し、自身が収集したデータセットに対しても高い画像分類性能を発揮することを確認した。また、主な研究課題である擬態形質の定量化以外にも発見があった。LPIPSを用いた解析途中にチョウの翅模様における雌雄差及び表裏の差がどのような関係にあるかを調べてみたところ、雌雄差と表裏の差に正の相関を見出すことが出来た。これまで経験的に知られている事柄ではあるものの、定量的な根拠に乏しい現象であり、詳細な解析を進めている。