| 研究実績の概要 |
本研究では，生物ロギングデバイスのような低コスト小型デバイス上で，ソフトウェアのみで深層畳み込みネットワーク(Deep Convolutional Neural Network, DCNN)を効率的に利用可能とするために，高速化，省メモリ化，高精度化，低消費電力化の観点から研究を行う．DCNNによる高性画像認識が生物ナビゲーションの分析のための小型ロギングデバイス上で利用可能となるならば，カメラからの映像をリアルタイムで認識しながら必要な情報だけ不揮発性メモリに記録，もしくは電波で送信することが可能となる．また，これらとは別に，画像／映像認識技術を応用して，動物行動学研究者と連携して，動物映像の認識を行い，動物行動分析に役立つ結果を得ることも目的とする．
本年度は，昨年度までに研究成果を統合的に用いた実アプリケーションの構築を容易化するモバイルコード生成ツールの実装を実施することを目標とした．また，ウミネコ映像と，レスキュー犬の一人称映像から，それぞれの動物の行動を認識することも行う．
実際には，iPhoneアプリ開発用のC言語コート生成ツールのChainer2MPSCNNGraph として実現し，実際にリアルタイムで食事変換を行うアプリケーションの開発に利用した．それにより省メモリな深層学習アプリケーションの実装が可能となった．
また，ウミネコ映像に対し，ウミネコの検出とトラッキングを行い，自動的にウミネコが巣に戻った記録を付けることを可能とする技術を開発した．さらに，レスキュー犬の一人称映像と音声を融合して，レスキュー犬の行動を認識するための深層学習ネットワークを提案して，一定の認識精度を実現した．
|
