^※ IDENTIFICATION OF OVER ONE THOUSAND INDIVIDUAL WILD HUMPBACK WHALES USING FLUKE PHOTOS
Takashi Yoshikawa, Masami Hida, Chonho Lee, Haruna Okabe, Nozomi Kobayashi, Sachie Ozawa, Hideo Saito, Masaki Kan, Susumu Date, and Shinji Shimojo

北太平洋のザトウクジラは、冬季はハワイ、メキシコ、日本近海等の暖かい海域で交尾や、出産、子育てを行ない、夏季にアラスカ、アリューシャン列島や、ロシア等の冷たい海域で餌を食べて過ごす。また、かつて捕鯨の対象種として捕獲され、個体数が世界的に激減したため、現在、保全と観光資源との両立を目的とした基礎的な生態情報の把握が重要になっている。そのため、撮影された尾びれ写真をもとに個体を識別し、回避経路や集団構造等の分析が行われてきた。

ザトウクジラの尾びれは、先端がギザギザとした形状をしており、表面には点や線状のものも含め、白黒模様のある場合が多い（下図参照）。ザトウクジラの研究者らは、これらの特徴を頼りに、これまで肉眼で多大な時間と労力をかけて個体の識別作業を行なってきた。毎年400～500枚の新たな写真を撮影し、その識別作業には数ヶ月を要していた。コンピュータを使って自動化させたいニーズは世界中の研究者が持っており、有名なデータ分析コンペティションのKaggleでも題材として取り上げられているほどであるが、これまで実際に用いられているものはなかった。

沖縄美ら島財団では３０年以上にわたりザトウクジラの調査を実施し、これまでに約１万枚の尾びれ写真を保有している。株式会社Diagenceと大阪大学サイバーメディアセンターと慶應義塾大学は、これらの写真データを活用しAIによる画像識別のための特徴検出手法と個体識別をするためのデータベース・システム開発の共同研究に取り組んだ。

本研究開発における課題は下記の通りである。

• 野生のクジラとの遭遇は稀であるため、これまでに識別できているクジラのうち、１頭あたりの写真の枚数が3枚以下だった個体が79%を占める。
• それらの写真も天候と太陽光のあたり具合、距離、角度、背景の波の様子など、撮影された条件がさまざまにばらついている。
• さらにクジラの尾びれは複雑な形状で、見る角度や動きによっても形が大きく変わって見える。それに合わせて表面の模様も見え方が変わる。
• 35％のクジラは真っ白か真っ黒で尾びれに模様がない。模様がある場合でも、白と黒の明確な境目はなく、ぼんやりとしている。

これらの課題に対して、下記の方法で解決を行った。

• 真っ白や真っ黒な尾びれのクジラも含めて全てのクジラ写真を対象とするため、先端のギザギザ形状を主な対象とした。
• それには上記のような複雑で撮影ごとにばらつく尾びれの形状をデータとして正確に抜き出す必要がある。そこで最初に、一般に柔軟性の高い判定が行える深層学習を用いて大まかな尾びれの形のマスクを作成した。次に画素レベルの図形処理手法であるGrabCutを行う際に、このマスクを用いて、尾びれとそれ以外の領域を指定することによって尾びれを正確に抜き出すことができた。
• 抜き出したギザギザ形状を用いて対象となる1000頭以上でも細かく区別ができることが必要だった。そこで規則性のない凹凸の解析に有効なWavelet変換を用いてギザギザ形状の特徴をベクトル化した。
• これまでに識別、登録されているクジラと特徴ベクトルの比較を行った。その際、写真によるばらつきが大きいため、識別は絶対値ではなくランキングとして上位からリストアップした。
• 白黒模様からの特徴量も抽出し補助的に用いた。

2016年に撮影された写真のうち過去に登録があるクジラの写真323枚について89％が上位30位までに正しいクジラをランキングした。また76％は正解が１位にランキングされた。

このように自動で多くの写真を一挙に扱うことができるため、季節によって広い海域を移動するザトウクジラの回避経路や集団構造の解明に有効なシステムとなった。