加害個体の特定を目指した，個体識別アルゴリズムATL (Augmented Triplet Loss)を提案し，97%以上の精度でエゾシカの個体を識別することができました．
We proposed an individual identification algorithm called ATL (Augmented Triplet Loss) for identifying offending animals, achieving over 97% accuracy in distinguishing individual Ezo deer.
シカの身体的変化（特に角の成長）にロバストな個体識別のため、成長予測に関する画像処理技術を調査・サーベイしました。
We surveyed computer vision techniques for growth prediction to develop a robust identification method against physical changes in deer, especially antler growth.
既存の画像処理システムに対して、設計を状態空間として復元しCTL*モデル検査を実施可能にする、リバースモデリングツール「CodoMo」を開発しました。
We developed a reverse-modeling tool called CodoMo, which reconstructs a state space from existing Python-based vision systems and enables CTL* model checking.