論文の概要: Automatic image-based identification and biomass estimation of
invertebrates
- arxiv url: http://arxiv.org/abs/2002.03807v1
- Date: Wed, 5 Feb 2020 21:38:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-03 20:54:20.828539
- Title: Automatic image-based identification and biomass estimation of
invertebrates
- Title（参考訳）: 無脊椎動物の自動識別とバイオマス推定
- Authors: Johanna \"Arje, Claus Melvad, Mads Rosenh{\o}j Jeppesen, Sigurd
Agerskov Madsen, Jenni Raitoharju, Maria Strandg{\aa}rd Rasmussen, Alexandros
Iosifidis, Ville Tirronen, Kristian Meissner, Moncef Gabbouj, Toke Thomas
H{\o}ye
- Abstract要約: 時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。
我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。
分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
- 参考スコア（独自算出の注目度）: 70.08255822611812
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding how biological communities respond to environmental changes is
a key challenge in ecology and ecosystem management. The apparent decline of
insect populations necessitates more biomonitoring but the time-consuming
sorting and identification of taxa pose strong limitations on how many insect
samples can be processed. In turn, this affects the scale of efforts to map
invertebrate diversity altogether. Given recent advances in computer vision, we
propose to replace the standard manual approach of human expert-based sorting
and identification with an automatic image-based technology. We describe a
robot-enabled image-based identification machine, which can automate the
process of invertebrate identification, biomass estimation and sample sorting.
We use the imaging device to generate a comprehensive image database of
terrestrial arthropod species. We use this database to test the classification
accuracy i.e. how well the species identity of a specimen can be predicted from
images taken by the machine. We also test sensitivity of the classification
accuracy to the camera settings (aperture and exposure time) in order to move
forward with the best possible image quality. We use state-of-the-art Resnet-50
and InceptionV3 CNNs for the classification task. The results for the initial
dataset are very promising ($\overline{ACC}=0.980$). The system is general and
can easily be used for other groups of invertebrates as well. As such, our
results pave the way for generating more data on spatial and temporal variation
in invertebrate abundance, diversity and biomass.
- Abstract（参考訳）: 生物コミュニティが環境変化にどう反応するかを理解することは、生態学と生態系管理の重要な課題である。
昆虫の個体数の明らかな減少は、より多くの生物モニタリングを必要とするが、時間を要する分類と分類は、昆虫の標本の処理量に強い制限をもたらす。
これは、無脊椎動物の多様性を完全にマップする努力の規模に影響を与える。
コンピュータビジョンの最近の進歩を踏まえ,人間の専門家によるソートと識別の標準的な手動アプローチを,自動画像ベース技術に置き換えることを提案する。
本稿では,無脊椎動物識別,バイオマス推定,サンプル分類のプロセスを自動化するロボット対応画像認識装置について述べる。
我々は,このイメージング装置を用いて,陸生節足動物種の総合画像データベースを作成する。
このデータベースを用いて分類精度、すなわち、マシンが撮影した画像から標本の種識別をどの程度正確に予測できるかをテストする。
また,カメラの設定(撮影時間と露光時間)に対する分類精度の感度をテストし,最適な画質を追求した。
分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
最初のデータセットの結果は非常に有望である($\overline{ACC}=0.980$)。
このシステムは一般であり、他の無脊椎動物のグループにも容易に利用できる。
その結果,無脊椎動物の存在量,多様性,バイオマスの空間的および時間的変動に関するデータの生成が促進された。
関連論文リスト
- Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。
本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。
実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
論文 参考訳（メタデータ） (2023-10-22T02:27:02Z) - Comparison between transformers and convolutional models for
fine-grained classification of insects [7.107353918348911]
私たちはInsectaの分類学クラスを考えます。
昆虫の識別は多くの生態系の基盤にある住民の1つであるため、生物多様性監視に不可欠である。
何十億もの画像が自動的に分類され、ディープニューラルネットワークアルゴリズムが、きめ細かいタスクのために研究されている主要なテクニックの1つです。
論文 参考訳（メタデータ） (2023-07-20T10:00:04Z) - A Step Towards Worldwide Biodiversity Assessment: The BIOSCAN-1M Insect
Dataset [18.211840156134784]
本稿では,画像に基づく分類学的評価が可能なコンピュータビジョンモデルの訓練を目的とした,100万画像データセットを提案する。
このデータセットは魅力的な特徴も示しており、その研究はより広範な機械学習コミュニティにとって興味深いものとなるだろう。
論文 参考訳（メタデータ） (2023-07-19T20:54:08Z) - Active Gaze Control for Foveal Scene Exploration [124.11737060344052]
本研究では,葉型カメラを用いた人間とロボットが現場を探索する方法をエミュレートする手法を提案する。
提案手法は,同数の視線シフトに対してF1スコアを2～3ポイント増加させる。
論文 参考訳（メタデータ） (2022-08-24T14:59:28Z) - Ensembles of Vision Transformers as a New Paradigm for Automated
Classification in Ecology [0.0]
データ効率のよい画像変換器(DeiTs)のアンサンブルが従来のSOTA(SOTA)よりも大幅に優れていたことを示す。
テストしたすべてのデータセットに対して、新しいSOTAを実現し、以前のSOTAの18.48%から87.50%の誤差を削減した。
論文 参考訳（メタデータ） (2022-03-03T14:16:22Z) - Texture Characterization of Histopathologic Images Using Ecological
Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。
2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
論文 参考訳（メタデータ） (2022-02-27T02:19:09Z) - I-Nema: A Biological Image Dataset for Nematode Recognition [3.1918817988202606]
線虫は地球上で最も豊富な中生代グループの一つであり、多様な生態的ニッチを占有している。
ネマトドの正確な認識または識別は、害虫駆除、土壌生態学、生物地理学、生息地の保全、気候変動に対する大きな重要性を有する。
コンピュータビジョンと画像処理は、線虫の種認識にいくつかの成功をおさめたが、依然として大きな需要がある。
論文 参考訳（メタデータ） (2021-03-15T12:29:37Z) - Deep Low-Shot Learning for Biological Image Classification and
Visualization from Limited Training Samples [52.549928980694695]
In situ hybridization (ISH) gene expression pattern image from the same developmental stage。
正確な段階のトレーニングデータをラベル付けするのは、生物学者にとっても非常に時間がかかる。
限られた訓練画像を用いてISH画像を正確に分類する2段階の低ショット学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-10-20T06:06:06Z) - Two-View Fine-grained Classification of Plant Species [66.75915278733197]
本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。
シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
論文 参考訳（メタデータ） (2020-05-18T21:57:47Z) - Automatic Detection and Recognition of Individuals in Patterned Species [4.163860911052052]
我々は,異なるパターンの個体の自動検出と認識のための枠組みを開発する。
我々は最近提案したFaster-RCNNオブジェクト検出フレームワークを用いて画像中の動物を効率的に検出する。
我々は,シマウマおよびジャガー画像の認識システムを評価し,他のパターンの種への一般化を示す。
論文 参考訳（メタデータ） (2020-05-06T15:29:21Z)
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。