水中動画における自動魚種分類：限られたラベル付きデータを補うための事前学習済み深層ニューラルネットワークモデルの活用

要旨：人間の介入なしで水中動画中の魚や他の海洋生物を確実に検出し、追跡し、分類できる自動システムの必要性があります。従来のコンピュータビジョン手法は、背景が複雑であり、魚の形状やテクスチャー特性が微妙である水中環境ではうまく機能しません。ニューラルネットワークのようなデータ駆動型の分類モデルは、大量のラベル付きデータを必要としようが、そうでないと過剰適合を起こし、訓練に関与しない未確認のテストデータで失敗します。深層学習技術に基づく魚種の細粒な分類のための最先端のコンピュータビジョン法を提案します。事前学習済みの畳み込みニューラルネットワークを一般化された特徴検出器として使用するクロスレイヤプーリングアルゴリズムを提案し、大量の訓練データの必要性を回避します。提案された手法を通じて計算された特徴に対してSVMによるテストデータの分類を行い、西オーストラリア沿岸で撮影された典型的な水中映像の魚種に対して94.3%の分類精度を達成しました。この研究は、水中動画映像から魚を識別できる自動分類システムの開発が実現可能であり、人間による手動識別のコスト効果の高い代替手段であることを提唱しています。