2021 Fiscal Year Research-status Report
| Project/Area Number |
18K11525
|
|---|
| Research Institution | Kanazawa University |
|---|
Principal Investigator |
佐藤 賢二 金沢大学, 生命理工学系, 教授 (10215783)
|
|---|
| Project Period (FY) |
2018-04-01 – 2023-03-31
|
| Keywords | 生物行動 / 深層学習 / 位置推定 / 姿勢推定 / 動作認識 |
|---|
| Outline of Annual Research Achievements |
令和３年度は動物の行動認識について以下の研究を行った。
・前年度に開発した教師無し学習による行動解析手法の改良を御個あった。まず、前年度は２次元動画像から身体各部のキーポイントの座標の時系列データを抽出していたが、今年度はこれを３次元に拡張し、奥行きが重要な行動の検出に有用であることを示した。次に、前年度の実験では屈伸運動などいくつかの繰り返し行動を接続したシナリオに沿って動画を撮影していたが、今年度はデスクワーク中や食事中など、シナリオが無い自然な動画を対象として特徴的な行動を抽出することを試みた。実験の結果、人間から見て特徴的と思われる行動が、教師無し学習によりある程度抽出できることを確認した。
・ミナミメダカなどの小型魚類を対象として各種の条件で動画を撮影し、検出した追従行動に基づいて群れの中における役割の動的な変化を解析した。まず、前年度に開発した追跡関係の検出アルゴリズムを改良し、個体同士の位置関係を表す特徴量を新たに加えるなどの処理を行うことにより、精度を改善することができた。次に、どの個体群が群れを構成しているかを自動的に判別するため、クラスタリングを用いた手法を開発した。最後に、検出された追跡関係を元に解析を行い、１つの群れの中におけるリーダーやフォロワーの役割の時系列的変化を示すことができた。
・比較的大型の動物である馬を対象として、３軸加速度センサー、ジャイロスコープ、磁気センサーなどのデバイスにより測定されたデータから機械学習を用いて馬の行動の種類を分類する手法の精度向上を行った。Kammingaらが公開している馬の行動データを用い、学習器の選択やデータの加工などの前処理を行うことにより、Kammingaらの論文における実験結果を大きく上回る分類精度を達成することができた。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
コロナ禍における学生の登学制限や教員の出張等自粛により、研究遂行に想定以上に時間を要した。
|
| Strategy for Future Research Activity |
令和４年度は、これまでに開発した分類手法や解析手法の精度をさらに高めるための計算実験を行い、論文として発表することに注力する。
|
| Causes of Carryover |
コロナ禍における学生の登学制限や教員の出張等自粛により、研究および論文投稿の遅れが生じた。次年度予算は、主に追加実験のための計算用ＰＣ数台の購入と、論文出版に使用する。
|
