論文の概要: HumBug Zooniverse: a crowd-sourced acoustic mosquito dataset
- arxiv url: http://arxiv.org/abs/2001.04733v2
- Date: Fri, 14 Feb 2020 14:11:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-11 12:25:23.553139
- Title: HumBug Zooniverse: a crowd-sourced acoustic mosquito dataset
- Title（参考訳）: HumBug Zooniverse:クラウドソースの音響蚊データセット
- Authors: Ivan Kiskin, Adam D. Cobb, Lawrence Wang, Stephen Roberts
- Abstract要約: 我々は蚊のオーディオ記録のデータセットを新たにリリースした。
1千人以上のコントリビューターとともに、2秒間のラベルが195,434個のラベルを入手しました。
本稿では、ログメル特徴量に基づいて畳み込みニューラルネットワークをトレーニングし、ラベルの情報内容を示すデータセットの例を示す。
- 参考スコア（独自算出の注目度）: 5.3909333359654275
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Mosquitoes are the only known vector of malaria, which leads to hundreds of
thousands of deaths each year. Understanding the number and location of
potential mosquito vectors is of paramount importance to aid the reduction of
malaria transmission cases. In recent years, deep learning has become widely
used for bioacoustic classification tasks. In order to enable further research
applications in this field, we release a new dataset of mosquito audio
recordings. With over a thousand contributors, we obtained 195,434 labels of
two second duration, of which approximately 10 percent signify mosquito events.
We present an example use of the dataset, in which we train a convolutional
neural network on log-Mel features, showcasing the information content of the
labels. We hope this will become a vital resource for those researching all
aspects of malaria, and add to the existing audio datasets for bioacoustic
detection and signal processing.
- Abstract（参考訳）: 蚊はマラリアの唯一の媒介者であり、毎年数十万人が死亡している。
潜在的な蚊ベクターの数と位置を理解することは、マラリア感染の減少を助けるために最重要となる。
近年,深層学習は生物音響分類に広く利用されている。
この分野でさらなる研究応用を可能にするため,蚊のオーディオ記録のデータセットを新たにリリースした。
1万5,434個の2秒間のラベルを1万5,434枚入手し、そのうち約10%が蚊のイベントを象徴しています。
本稿では、ログメル特徴量に基づいて畳み込みニューラルネットワークをトレーニングし、ラベルの情報内容を示すデータセットの例を示す。
これは、マラリアのあらゆる側面を研究する人々にとって重要なリソースとなり、生体音響検出と信号処理のための既存のオーディオデータセットを追加することを願っている。
関連論文リスト
- Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。
従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。
本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
論文 参考訳（メタデータ） (2023-06-05T03:36:01Z) - mAedesID: Android Application for Aedes Mosquito Species Identification
using Convolutional Neural Network [0.0]
Aedes 蚊ベクターの拡散を減らしてデング病を抑えることが重要である。
コミュニティの意識は、エイデスのプログラムを確実に制御し、コミュニティに活発な参加を促すために、厳しい役割を担っている。
深層学習畳み込みニューラルネットワーク (CNN) アルゴリズムを用いて, Aedes の蚊種を特定するモバイルアプリケーション mAedesID を開発した。
論文 参考訳（メタデータ） (2023-05-02T14:20:13Z) - Measures of Information Reflect Memorization Patterns [53.71420125627608]
異なるニューロンの活性化パターンの多様性は、モデル一般化と記憶の反映であることを示す。
重要なことは、情報組織が記憶の2つの形態を指していることである。
論文 参考訳（メタデータ） (2022-10-17T20:15:24Z) - A deep convolutional neural network for classification of Aedes
albopictus mosquitoes [1.6758573326215689]
本稿では2つのDeep Convolutional Neural Networksを,分類タスクの自動化のための比較研究に適用する。
移動学習の原理を用いて、Mosquito Alertプロジェクトが提供するデータに基づいて、2つの最先端アーキテクチャを訓練する。
さらに,Grad-CAMアルゴリズムに基づく説明可能なモデルを適用し,分類画像の最も識別性の高い領域を可視化した。
論文 参考訳（メタデータ） (2021-10-29T17:58:32Z) - On the use of uncertainty in classifying Aedes Albopictus mosquitoes [1.6758573326215689]
畳み込みニューラルネットワーク(CNN)は、画像中の蚊を認識するためにいくつかの研究で使われてきた。
本稿では,モンテカルロ・ドロップアウト法を用いて不確実性のスコアを推定し,分類標本のランク付けを行う。
論文 参考訳（メタデータ） (2021-10-29T16:58:25Z) - HumBugDB: A Large-scale Acoustic Mosquito Dataset [15.108701811353097]
本稿では,蚊の飛行中を連続的に追跡した音響記録の大規模多種多様なデータセットについて述べる。
専門的にラベル付けされ、タグ付けされた20時間の音声記録を、正確に時間内に提示する。
18時間の録音には36種のアノテーションが含まれている。
論文 参考訳（メタデータ） (2021-10-14T14:18:17Z) - Project Achoo: A Practical Model and Application for COVID-19 Detection
from Recordings of Breath, Voice, and Cough [55.45063681652457]
コンシューマー端末で録音した音声を用いて、新型コロナウイルスを迅速にトリアージする機械学習手法を提案する。
この手法は,信号処理手法と微調整深層学習ネットワークを組み合わせることで,信号の識別,コークス検出,分類を行う手法を提供する。
我々はまた、症状チェッカーと音声、息、うず信号を使って新型コロナウイルスの感染を検知するモバイルアプリケーションを開発し、展開した。
論文 参考訳（メタデータ） (2021-07-12T08:07:56Z) - Relational Subsets Knowledge Distillation for Long-tailed Retinal
Diseases Recognition [65.77962788209103]
本研究では,長尾データを知識に基づいて複数のクラスサブセットに分割し,クラスサブセット学習を提案する。
モデルがサブセット固有の知識の学習に集中するように強制する。
提案手法は長期網膜疾患認識タスクに有効であることが判明した。
論文 参考訳（メタデータ） (2021-04-22T13:39:33Z) - Discriminative Singular Spectrum Classifier with Applications on
Bioacoustic Signal Recognition [67.4171845020675]
分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。
タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。
提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
論文 参考訳（メタデータ） (2021-03-18T11:01:21Z) - Automatic Detection of Aedes aegypti Breeding Grounds Based on Deep
Networks with Spatio-Temporal Consistency [2.4858193569899907]
Aedes aegypti 蚊はデングジカ、チクングニャ、都市部の黄熱といった病気に感染する。
これらの病気に対処するための主要な形態は、蚊の繁殖地を探し、排除することで蚊の繁殖を避けることである。
本研究では,蚊の繁殖場所を含む無人航空機で取得した航空映像の包括的データセットを紹介する。
論文 参考訳（メタデータ） (2020-07-29T14:30:54Z) - Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。
実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
論文 参考訳（メタデータ） (2020-06-05T02:04:25Z)
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。