海洋生態学者のための水中コンピュータビジョン:物体検出のための画像トレーニングデータセットキュレーションフレームワーク
Underwater Computer Vision for Ecologists: A Framework for Curating Image Training Datasets for Object Detection
海洋生態系の変化が加速する中、効率的でスケーラブルな生物多様性モニタリングツールの必要性が高まっている。本研究では、ブリティッシュコロンビア沿岸の事例研究を用いて、長期的な水中生物多様性モニタリングにコンピュータビジョン(CV)ツールを統合するための10段階のフレームワークを提案する。2022年3月から2023年6月にかけて、2つのケルプ養殖場と参照サイトから9000時間以上の無餌水中ビデオ映像を収集した。このフレームワークには、教師なしおよび教師ありCVツールを用いた注釈付きトレーニングデータセットの作成、YOLOv8物体検出モデルのトレーニングと検証が含まれる。このプロセスにより、魚類とゼラチン状動物プランクトン群に焦点を当て、54の疑似分類群(分類群と視覚的に類似した動物群の両方を表す)にわたる241,000以上の注釈が生成された。最終モデルは、全体でF1スコア0.74、mAP50(0.5 IoU)で0.78を達成した。特にPhanerodon vacca(F1=0.88)やAurelia labiata(F1=0.90)のような細かい分類群で高い性能を示したが、Actinopterygii(F1=0.60)やCnidaria(F1=0.60)のような視覚的な区別が限定的な疑似分類群では性能が低下した。25枚のトレーニング画像から全データセット利用可能(約200~24,000枚/群)までの注釈閾値を用いた再トレーニング実験では、モデル性能は注釈努力量と正の相関があり、最大トレーニングデータセットサイズではF1スコア平均0.84、mAP50平均0.91となった。結果は、モデルが豊富で視覚的に特徴的な分類群に最も効果的である一方、粗い分類分解能を持つ群では性能が低下することを示唆している。注釈努力量の最適化のため、属または種レベルの分類群をターゲットにし、少なくとも1つの広範なレベルの群を含めてオーダーレベルの個体数を捉え、希少な群の注釈を、形態学的に類似した一般的な群で補完することを推奨する。
- ブリティッシュコロンビア沿岸のケルプ養殖場2カ所と参照サイトから2022年3月~2023年6月に9000時間超の無餌水中ビデオを収集し、CV統合のための10段階フレームワークを提案
- YOLOv8物体検出モデルをトレーニング・検証し、54の疑似分類群にわたり24万1000件超の注釈を生成、全体でF1スコア0.74・mAP50 0.78を達成
- 注釈閾値を25枚から約200~24,000枚/群まで段階的に増やす再トレーニング実験で、性能は注釈努力量と正相関し、最大データセットでF1平均0.84・mAP50平均0.91に向上
- 細かい分類群では高性能(Phanerodon vacca F1=0.88、Aurelia labiata F1=0.90)な一方、視覚的区別が限定的な粗い疑似分類群(Actinopterygii、CnidariaいずれもF1=0.60)で性能が低下
- 属または種レベルの分類群を対象とし、少なくとも1つの広範なオーダーレベル群を含め、希少群の注釈を形態学的に類似した一般群で補完することを推奨
本件は海洋生物多様性モニタリング向けにCV物体検出モデル(YOLOv8)を実運用するためのデータセットキュレーション手法の研究であり、投資家としては「アノテーション量とモデル性能が正相関する」という定量結果(F1 0.74→0.84、mAP50 0.78→0.91)が重要である。すなわち、ドメイン特化型CVの精度向上はモデル改良よりも高品質なラベル付きデータの量と設計に律速されており、アノテーションツール・データセット構築・MLOpsへの資本配分の妥当性を示唆する。また54疑似分類群・24万件超という大規模アノテーションを9000時間の映像から生成した事例は、ラベリングコストの削減を狙う半自動(教師なし+教師あり)パイプラインの実用性を裏付ける。ただし現時点では特定企業・製品・調達の発表ではなく学術研究であり、直接の投資対象は限定的で、注視点は商業化・データ資産化の動向に留まる。