論文の概要: Butterfly Detection and Classification Based on Integrated YOLO Algorithm

• arxiv url: http://arxiv.org/abs/2001.00361v2
• Date: Sun, 26 Apr 2020 02:50:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-16 04:22:20.078779
• Title: Butterfly Detection and Classification Based on Integrated YOLO Algorithm
• Title（参考訳）: 統合型YOLOアルゴリズムによる蝶の検出と分類
• Authors: Bohan Liang and Shangxi Wu and Kaiyuan Xu and Jingyu Hao
• Abstract要約: 蝶の写真の自動検出と分類の課題について検討した。 YOLOアルゴリズムに基づく蝶の自動検出・分類認識アルゴリズムを提案する。 実験の結果,提案手法と統合YOLOアルゴリズムは精度が高く,認識率も高いことがわかった。
• 参考スコア（独自算出の注目度）: 1.997704019887898
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Insects are abundant species on the earth, and the task of identification and identification of insects is complex and arduous. How to apply artificial intelligence technology and digital image processing methods to automatic identification of insect species is a hot issue in current research. In this paper, the problem of automatic detection and classification recognition of butterfly photographs is studied, and a method of bio-labeling suitable for butterfly classification is proposed. On the basis of YOLO algorithm, by synthesizing the results of YOLO models with different training mechanisms, a butterfly automatic detection and classification recognition algorithm based on YOLO algorithm is proposed. It greatly improves the generalization ability of YOLO algorithm and makes it have better ability to solve small sample problems. The experimental results show that the proposed annotation method and integrated YOLO algorithm have high accuracy and recognition rate in butterfly automatic detection and recognition.
• Abstract（参考訳）: 昆虫は地球上に豊富に存在する種であり、昆虫の同定と同定の作業は複雑で困難である。 人工知能とデジタル画像処理を昆虫の自動識別に適用する方法は,最近の研究でホットな課題となっている。 本稿では,バタフライ写真の自動検出と分類認識の問題について検討し,バタフライ分類に適したバイオラベル法を提案する。 YOLOアルゴリズムに基づいて、トレーニング機構の異なるYOLOモデルの結果を合成することにより、YOLOアルゴリズムに基づく蝶の自動検出および分類認識アルゴリズムを提案する。 YOLOアルゴリズムの一般化能力を大幅に向上させ、小さなサンプル問題を解く能力を向上させる。 実験結果から,バタフライの自動検出・認識において,提案手法とYOLOアルゴリズムが精度が高く,認識率が高いことがわかった。

関連論文リスト

• Time-Aware Face Anti-Spoofing with Rotation Invariant Local Binary Patterns and Deep Learning [50.79277723970418]
  模倣攻撃は 不正な識別と その後の攻撃者の認証につながる 顔認識と同様に、模倣攻撃も機械学習で検出できる。 本稿では,未使用の機能と時間認識の深層学習戦略を組み合わせることで,高い分類精度を実現する新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-08-27T07:26:10Z)
• Out-of-distribution detection algorithms for robust insect classification [9.411531046381723]
  アウト・オブ・ディストリビューション(OOD)検出アルゴリズムは、これらの課題を克服するためのエキサイティングな道を提供する。 昆虫検出分類器における最先端OODアルゴリズムの性能評価を行った。
  論文  参考訳（メタデータ） (2023-05-02T23:19:16Z)
• Faster Adaptive Federated Learning [84.38913517122619]
  フェデレートラーニングは分散データの出現に伴って注目を集めている。 本稿では,クロスサイロFLにおけるモーメントに基づく分散低減手法に基づく適応アルゴリズム(FAFED)を提案する。
  論文  参考訳（メタデータ） (2022-12-02T05:07:50Z)
• RL-EA: A Reinforcement Learning-Based Evolutionary Algorithm Framework for Electromagnetic Detection Satellite Scheduling Problem [6.438148195340613]
  本稿では、EDSSP問題に対する混合整数プログラミングモデルと強化学習(RL-EA)に基づく進化的アルゴリズムフレームワークを提案する。 提案アルゴリズムの計画効果を検討するために,様々なスケール実験を行った。
  論文  参考訳（メタデータ） (2022-06-12T08:53:56Z)
• Improving robustness of jet tagging algorithms with adversarial training [56.79800815519762]
  本研究では,フレーバータグ付けアルゴリズムの脆弱性について,敵攻撃による検証を行った。 シミュレーション攻撃の影響を緩和する対人訓練戦略を提案する。
  論文  参考訳（メタデータ） (2022-03-25T19:57:19Z)
• Meta-learning One-class Classifiers with Eigenvalue Solvers for Supervised Anomaly Detection [55.888835686183995]
  教師付き異常検出のためのニューラルネットワークに基づくメタラーニング手法を提案する。 提案手法は,既存の異常検出法や少数ショット学習法よりも優れた性能を実現することを実験的に実証した。
  論文  参考訳（メタデータ） (2021-03-01T01:43:04Z)
• Image-based Automated Species Identification: Can Virtual Data Augmentation Overcome Problems of Insufficient Sampling? [0.0]
  視覚的種自動識別のための2段階データ拡張手法を提案する。 データ拡張の第1段階は、データ拡張と偽画像の生成という古典的なアプローチを適用している。 第2レベルのデータ拡張では、ベクトル空間におけるオーバーサンプリングアルゴリズムによって、特徴空間における合成的な追加サンプリングが採用されている。
  論文  参考訳（メタデータ） (2020-10-18T15:44:45Z)
• Investigating the Robustness of Artificial Intelligent Algorithms with Mixture Experiments [1.877815076482061]
  AIアルゴリズムの堅牢性は、不正確な予測によって安全上の懸念が生じ、AIシステムの採用が制限される可能性があるため、大きな関心事である。 ロバストな分類アルゴリズムは、異なるアプリケーションシナリオ下で高い精度と低い変数を持つことが期待されている。 我々は、予測性能を収集するために、総合的な混合実験を行う。 次に,様々な要因がAI分類アルゴリズムの堅牢性にどのように影響するかを統計的に分析する。
  論文  参考訳（メタデータ） (2020-10-10T15:38:53Z)
• Improved Slice-wise Tumour Detection in Brain MRIs by Computing Dissimilarities between Latent Representations [68.8204255655161]
  磁気共鳴画像(MRI)の異常検出は教師なし手法で行うことができる。 本研究では,変分オートエンコーダの潜伏空間における相似関数の計算に基づいて,腫瘍検出のためのスライスワイズ半教師法を提案する。 本研究では,高解像度画像上でのモデルをトレーニングし,再現の質を向上させることにより,異なるベースラインに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-07-24T14:02:09Z)
• Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant Disease Diagnosis [64.82680813427054]
  植物病は食料安全保障と作物生産に対する主要な脅威の1つである。 1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。 本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-17T09:51:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。