深層学習（Deep Learning）を用いたカメラトラップ画像内の動物の検出、種判別および頭数推定に成功

　応用生物科学部 安藤 正規 准教授らの研究グループは，深層学習（Deep Learning）の技術と10万枚を超えるカメラトラップ（自動撮影装置）画像を用いて，撮影された野生動物の在不在，種および頭数を判別することに成功しました。
　本研究成果は，日本哺乳類学会の発行する学術誌「哺乳類科学」59号1巻（2019年7月末発行）に掲載されます。

本研究成果のポイント

• 近年，高性能化の進むカメラトラップから得られる大量の画像データについて，深層学習の技術を用いてこれを判別することを試みた。
• ResNetをベースとした，画像中の動物の在不在，動物種，頭数を同時に推定する深層畳み込みニューラルネットワーク（DCNN）モデルを構築した。
• 学習済みモデルの判別精度のうち，在不在については，検出精度99%を担保しつつ，過検出率（実際には動物が不在の場合に，在と判断された割合）を15.7%に抑えることができた。さらに，モデルで在と検出された画像のみを調査者が確認する場合，確認の必要な画像枚数は全体の43.3%まで削減できることが示された。
• 主要な被写体であったニホンジカ，イノシシ，カモシカおよびツキノワグマを正確に判別できる割合はおおよそ80%であった。
• また，上記４種における頭数は80〜90%で正しく検出していた。
• 以上の結果から，深層学習の技術は野生動物の調査・モニタリングにおいて調査者の労力を大きく削減する有用なツールとなりうることが示された。

詳しい研究内容について

深層学習（Deep Learning）を用いたカメラトラップ画像内の動物の検出，種判別および頭数推定に成功

論文情報

• 雑誌名：哺乳類科学59号1巻（2019年7月末予定）
• 論文名：深層学習（Deep Learning）によるカメラトラップ画像の判別
• 著　者：安藤正規¹，中塚俊介⁵，相澤宏旭⁶，中森さつき⁴，池田敬²，森部絢嗣^1,2，
  　　　　寺田和憲³，加藤邦人³
  　（¹：岐阜大学 応用生物科学部 生産環境科学課程，
  　　²：岐阜大学 応用生物科学部 附属野生動物管理学研究センター，
  　　³：岐阜大学 工学部 電気電子・情報工学科，
  　　⁴：岐阜大学大学院 自然科学技術研究科 生物生産環境科学専攻，
  　　⁵：岐阜大学大学院 自然科学技術研究科 知能理工学専攻，
  　　⁶：岐阜大学大学院 工学研究科 電子情報システム工学専攻）