| 研究課題/領域番号 |
19K14484
|
|---|
| 研究機関 | 愛知文教大学 |
|---|
研究代表者 |
黒田 敏数 愛知文教大学, 人文学部, 講師 (80712968)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2023-03-31
|
| キーワード | 社会的行動 / ゼブラフィッシュ / 人工知能 / コンピュータビジョン |
|---|
| 研究実績の概要 |
ゼブラフィッシュは遺伝子組換えが容易であることに加え、比較的高い学習能力を持つことから、生命科学と行動科学の橋渡しとなることが期待されている魚類である。ゼブラフィッシュには集団でかたまって泳ぐといった社会性があり、これにも学習が関わっていると考えられる。そこで当研究者はまず１個体を対象に、ゼブラフィッシュの3Dモーションをリアルタイムで追跡するシステムを構築した。水槽内の特定の場所に接近すると餌が提示されるように設定することで、ゼブラフィッシュがこの接近行動を学習することを確認した。本研究では、追跡対象を複数の個体へと拡大し、社会的行動の形成を明らかにするための研究基盤を確立することを計画している。
2019年度は、ゼブラフィッシュの社会的行動を計測するためのハードウェアの構築と、ソフトウェアの開発に取り組んだ。ハードウェアについては、社会的行動をリアルタイムで計測するに耐え得る性能を持ったパーソナル・コンピュータのパーツを集めて組み立てた。また、３Dカメラや自動給餌器、水槽などで構築される実験装置の組み立ても完了した。ソフトウェアについては、複数の個体を同時に追跡可能にするDiscrete-Continuous Optimizationと呼ばれる技術を、代表格であるC++プログラミング言語で実装した。
2020年度は、研究計画時に予定していなかった、複数の個体が重なった際の検出精度を高める人工知能モデルの導入に取り組んだ。これは検出精度の善し悪しが、複数の個体追跡の精度に大きく寄与することが明らかになったからである。個体の姿勢を計測できるDeepLabCutと、ピクセル単位で個体検出ができるYOLACT、この２つのモデルをC++で書き直した。このうちYOLACTモデルを使用すると、複数の個体が重なるケースでの個体検出精度が飛躍的に向上した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
上記のように、研究計画時に予定していなかった、複数の個体が重なった際の検出精度を高める人工知能モデルの導入に取り組んだことから、実験計画は予定よりもやや遅れている。
|
| 今後の研究の推進方策 |
2021年度は、上記のDiscrete-Continuous OptimizationとYOLACTモデルを組み合わせた実験用プログラムを完成させ、ゼブラフィッシュを対象とした実験に実際に取り掛かる予定である。
|
| 次年度使用額が生じた理由 |
今年度分の研究費は全額使用したつもりでいたが、研究機関側に事務的な手続きにミスがあり残金が出てしまった。
|
