[論文レビュー] FishNet: A Unified Embedding for Salmon Recognition

Bjørn Magnus Mathisen, Kerstin Bach+3 more|arXiv (Cornell University)|Oct 20, 2020

Water Quality Monitoring Technologies被引用数 5

ひとこと要約

FishNetは、FaceNetを模倣したシアンプス型ディープラーニングアーキテクチャを提案し、頭部画像からの非侵襲的で高精度な個体識別を可能にする。統一された埋め込み空間を用いて、96%の真正陽性率と1%の偽陽性率を達成し、養殖における物理的タグの使用を減らす可能性を示している。

ABSTRACT

Identifying individual salmon can be very beneficial for the aquaculture industry as it enables monitoring and analyzing fish behavior and welfare. For aquaculture researchers identifying individual salmon is imperative to their research. The current methods of individual salmon tagging and tracking rely on physical interaction with the fish. This process is inefficient and can cause physical harm and stress for the salmon. In this paper we propose FishNet, based on a deep learning technique that has been successfully used for identifying humans, to identify salmon.We create a dataset of labeled fish images and then test the performance of the FishNet architecture. Our experiments show that this architecture learns a useful representation based on images of salmon heads. Further, we show that good performance can be achieved with relatively small neural network models: FishNet achieves a false positive rate of 1\% and a true positive rate of 96\%.

研究の動機と目的

• 物理的タグによるストレスを軽減し、動物福祉を向上させるために、非侵襲的な個体識別手法の開発。
• 養殖における現在の手作業によるサンプリング手法の限界を解決し、群れの中から選択的に魚をサンプリングするバイアスを回避する。
• 人間の顔認識で実証済みのディープメトリックラーニング技術を、個体識別の挑戦に適応する。
• 仔魚から収穫までの一貫した個体追跡を可能にする、強固でスケーラブルなシステムの構築。

提案手法

• FishNetは、FaceNetに基づくシアンプス型ニューラルネットワークアーキテクチャを採用し、サンプル間の距離を最適化するためのトリプレット損失関数を用いて、サケの頭部画像の統一された埋め込み空間を学習する。
• モデルはラベル付きのサケの頭部画像のカスタムデータセットを用いて訓練され、微小な視覚的変動に耐性を高めるためにデータ拡張が適用されている。
• 3つのバックボーンアーキテクチャが評価された：Inception-ResNet-v2（FishNet1）、MobileNet-v2（FishNet2）、VGG-16（FishNet3）、それぞれが深層特徴を抽出するために使用された。
• ネットワークは、同じ個体の埋め込み間の距離を最小化し、異なる個体間の距離を最大化するように学習する。
• 性能評価にはROC曲線とAUC、1%の偽陽性率における真正陽性率（TPR）、クラス内およびクラス間の埋め込み距離が用いられた。
• 視覚的評価により、平均クラス内距離は約0.36、平均クラス間距離は約1.40であることが確認され、埋め込み空間における明確な分離が示された。

実験結果

リサーチクエスチョン

• RQ1 サケの頭部画像を学習データとして用いたディープメトリックラーニング手法は、物理的タグなしで高精度な個体識別を達成できるか？
• RQ2 異なるニューラルネットワークアーキテクチャにおけるFishNetの性能は、精度と計算効率の観点でどのように異なるか？
• RQ3 データ拡張は、養殖現場における実世界の視覚的変動にさらされた状況下で、モデルの汎化性能をどの程度向上させるか？
• RQ4 学習された埋め込みは、照明条件や画像品質の変化に対しても、個体を信頼性高く区別できるか？
• RQ5 成長、怪我、病気による長期的な外見的変化に対して、モデルはどの程度頑健か？

主な発見

• Inception-ResNet-v2をベースとするFishNet1は、AUCが0.9977で、1%の偽陽性率における真正陽性率が96.4%を達成し、最高の性能を示した。
• MobileNet-v2を用いたFishNet2は、1%のFPRにおけるTPRが96.1%を達成し、計算コストを抑えつつも優れた性能を示した。
• VGG-16をベースとするFishNet3は、1%のFPRにおけるTPRがわずか87.0%にとどまり、アーキテクチャ選定が精度に顕著な影響を与えることが示された。
• 同じサケの画像間の平均埋め込み距離は0.36であり、異なるサケ間の平均距離は1.40であった。これは、クラス間の明確な分離が達成されたことを裏付けている。
• ROC曲線の結果、FishNet1とFishNet2は、すべての類似度閾値においてFishNet3を上回り、FishNet1が最大のAUCを示した。
• 視覚的評価により、クラス内距離はクラス間距離の約3.88倍小さく、モデルの識別能力が妥当であることが検証された。