水産資源管理に向けたMask Keypoint R-CNNによる魚体長認識

• Item type: SIG Technical Reports(1)
• 公開日: 2021-08-26
• タイトル: 水産資源管理に向けたMask Keypoint R-CNNによる魚体長認識
• タイトル / 言語: en
• タイトル: Fish Length Recognition by Mask Keypoint R-CNN for Fisheries Resource Management
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 農林水産
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 福井大学大学院工学研究科
• 著者所属: 福井大学大学院工学研究科
• 著者所属(英): en
• 著者所属(英): Graduate School of Engineering, University of Fukui
• 著者所属(英): en
• 著者所属(英): Graduate School of Engineering, University of Fukui
• 著者名: 長谷川, 達人; 田中, 基貴
• 著者名(英): Tatsuhito, Hasegawa; Motoki, Tanaka
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 2018 年に本国において 70 年ぶりの漁業法の一部改正が決定された．新漁業法の主な目的は，水産資源の持続的な利用を確保し漁業生産力を発展させることとされている．この目的の達成には，操業や水揚げ等の情報を用いた資源調査を行い，科学的な知見に基づいた客観的な指標により資源評価を行い，評価結果に基づく指標に従った資源管理を行うことが重要である．一方，漁獲した尾数や，魚種，魚体長といった資源評価に必要な基礎情報は，各漁場で手動で計測されていることが多い．本研究では，Mask Keypoint R-CNN を用いた画像認識により漁獲物の基礎情報を自動で収集するシステムを提案する．特に，漁獲物認識のための Keypoint を新たに定義した点，Copy-Paste Augmentation により少数のラベル付きデータのみを用いてモデルを訓練した点が特色である．本稿では，資源管理のための基礎情報として利用できる精度で自動収集が実現可能かという観点で提案手法を評価した結果を報告する．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In 2018, the partial revision of the Fisheries Law in 70 years was decided in Japan. The main purpose of the new Fisheries Act is to ensure sustainable use of fishery resources and to develop fishery productivity. In order to achieve this objective, it is important to conduct resource surveys using information on operations and landings, evaluate resources using objective indicators based on scientific knowledge, and manage resources according to the indicators based on the evaluation results. However, the basic information required for resource assessment, such as the number of fish caught, fish species, and fish length, is often measured manually at each fishing port. In this study, we propose a system that automatically collects basic information of catches by image recognition using Mask Keypoint R-CNN. In particular, we define a new keypoint for catch recognition, and train the model using only a small number of labeled data by Copy-Paste Augmentation. In this paper, we report the results of the evaluation of the proposed method from the viewpoint of whether it is feasible to collect the data automatically with accuracy that can be used as basic information for resource management.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA12628327
• 書誌情報: 研究報告コンシューマ・デバイス＆システム（CDS）; 巻 2021-CDS-32, 号 12, p. 1-10, 発行日 2021-08-26
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8604
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会