論文の概要: Machine learning approaches for identifying prey handling activity in otariid pinnipeds

• arxiv url: http://arxiv.org/abs/2002.03866v1
• Date: Mon, 10 Feb 2020 15:30:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-02 08:28:52.648847
• Title: Machine learning approaches for identifying prey handling activity in otariid pinnipeds
• Title（参考訳）: otariid pinnipedsにおける獲物の取扱い行動同定のための機械学習手法
• Authors: Rita Pucci and Alessio Micheli and Stefano Chessa and Jane Hunter
• Abstract要約: 本稿では,アザラシの捕食行動の同定に焦点をあてる。 考慮すべきデータは、アザラシに直接取り付けられたデバイスによって収集された3D加速度計と深度センサーのストリームである。 機械学習(ML)アルゴリズムに基づく自動モデルを提案する。
• 参考スコア（独自算出の注目度）: 12.814241588031685
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Systems developed in wearable devices with sensors onboard are widely used to collect data of humans and animals activities with the perspective of an on-board automatic classification of data. An interesting application of these systems is to support animals' behaviour monitoring gathered by sensors' data analysis. This is a challenging area and in particular with fixed memories capabilities because the devices should be able to operate autonomously for long periods before being retrieved by human operators, and being able to classify activities onboard can significantly improve their autonomy. In this paper, we focus on the identification of prey handling activity in seals (when the animal start attaching and biting the prey), which is one of the main movement that identifies a successful foraging activity. Data taken into consideration are streams of 3D accelerometers and depth sensors values collected by devices attached directly on seals. To analyse these data, we propose an automatic model based on Machine Learning (ML) algorithms. In particular, we compare the performance (in terms of accuracy and F1score) of three ML algorithms: Input Delay Neural Networks, Support Vector Machines, and Echo State Networks. We attend to the final aim of developing an automatic classifier on-board. For this purpose, in this paper, the comparison is performed concerning the performance obtained by each ML approach developed and its memory footprint. In the end, we highlight the advantage of using an ML algorithm, in terms of feasibility in wild animals' monitoring.
• Abstract（参考訳）: センサーを搭載したウェアラブルデバイスで開発されたシステムは、データの自動分類の観点から人間や動物の活動のデータ収集に広く利用されている。 これらのシステムの興味深い応用は、センサーのデータ分析によって収集された動物の行動監視をサポートすることである。 これは困難な領域であり、特に固定記憶能力は、デバイスは人間のオペレーターによって回収される前に、長時間自律的に動作でき、オンボードでのアクティビティを分類できることは、彼らの自律性を大幅に改善できるためである。 本稿では,捕食活動が成功していることを示す主な運動の一つであるアザラシ(動物が獲物を付着・噛むとき)における獲物の取扱い活動の同定に着目する。 考慮されたデータは、3d加速度計のストリームとアザラシに直接取り付けられたデバイスによって収集された深度センサー値である。 これらのデータを解析するために,機械学習(ML)アルゴリズムに基づく自動モデルを提案する。 特に,入力遅延ニューラルネットワーク,サポートベクトルマシン,エコー状態ネットワークの3つのMLアルゴリズムの性能(精度とF1スコア)を比較した。 我々は,自動分類器の開発の最終目的に参画する。 そこで本稿では,各mlアプローチで得られた性能とメモリフットプリントの比較を行う。 最後に、野生動物のモニタリングにおける実現可能性の観点から、MLアルゴリズムを使用することの利点を強調した。

関連論文リスト

• Sensor Data Augmentation from Skeleton Pose Sequences for Improving Human Activity Recognition [5.669438716143601]
  HAR(Human Activity Recognition)は、ディープラーニングの普及に大きく貢献していない。 本稿では,センサをベースとしたウェアラブル型HARに対して,ポーズ・ツー・センサ・ネットワークモデルを導入することにより,新たなアプローチを提案する。 コントリビューションには、同時トレーニングの統合、直接ポーズ・ツー・センサ生成、MM-Fitデータセットの包括的な評価が含まれる。
  論文  参考訳（メタデータ） (2024-04-25T10:13:18Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• A benchmark for computational analysis of animal behavior, using animal-borne tags [0.6055654308018396]
  行動アノテーション付きデータセットの集合であるBio-logger Ethogram Benchmark (BEBE)について述べる。 生物ログデータに基づく動物行動同定のための深層・古典的機械学習手法の性能の比較を行った。
  論文  参考訳（メタデータ） (2023-05-18T06:20:45Z)
• An adaptive human-in-the-loop approach to emission detection of Additive Manufacturing processes and active learning with computer vision [76.72662577101988]
  In-situ monitoring and process control in Additive Manufacturing (AM) は大量の排出データを収集することを可能にする。 このデータは、3Dプリントされた部品の3Dおよび2D表現への入力として使用できる。 本研究の目的は,機械学習技術を用いた適応型ヒューマン・イン・ザ・ループ手法を提案することである。
  論文  参考訳（メタデータ） (2022-12-12T15:11:18Z)
• TempNet: Temporal Attention Towards the Detection of Animal Behaviour in Videos [63.85815474157357]
  本稿では,映像中の生物学的行動を検出するための,効率的なコンピュータビジョンと深層学習に基づく手法を提案する。 TempNetはエンコーダブリッジと残留ブロックを使用して、2段階の空間的、そして時間的、エンコーダでモデル性能を維持する。 本研究では,サブルフィッシュ (Anoplopoma fimbria) 幼虫の検出への応用を実証する。
  論文  参考訳（メタデータ） (2022-11-17T23:55:12Z)
• Multi-modal Sensor Data Fusion for In-situ Classification of Animal Behavior Using Accelerometry and GNSS Data [16.47484520898938]
  動物行動の分類には,複数のセンシングモード,すなわち加速度計とグローバルナビゲーション衛星システム(GNSS)のデータを用いて検討する。 スマート牛首輪と耳札を用いて収集した実世界の2つのデータセットを用いたマルチモーダル動物行動分類アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-06-24T04:54:03Z)
• Persistent Animal Identification Leveraging Non-Visual Markers [71.14999745312626]
  乱雑なホームケージ環境下で各マウスにユニークな識別子を時間をかけて発見し提供することを目的としている。 これは、(i)各マウスの視覚的特徴の区別の欠如、(ii)一定の閉塞を伴うシーンの密閉性のため、非常に難しい問題である。 本手法は, この動物識別問題に対して77%の精度を達成し, 動物が隠れているときの急激な検出を拒否することができる。
  論文  参考訳（メタデータ） (2021-12-13T17:11:32Z)
• Attentive Prototypes for Source-free Unsupervised Domain Adaptive 3D Object Detection [85.11649974840758]
  3Dオブジェクト検出ネットワークは、トレーニングされたデータに対してバイアスを受ける傾向がある。 そこで本研究では,ライダーを用いた3次元物体検出器のソースレス・教師なし領域適応のための単一フレーム手法を提案する。
  論文  参考訳（メタデータ） (2021-11-30T18:42:42Z)
• Moving Object Classification with a Sub-6 GHz Massive MIMO Array using Real Data [64.48836187884325]
  無線信号を用いた屋内環境における各種活動の分類は,様々な応用の新たな技術である。 本論文では,屋内環境におけるマルチインプット・マルチアウトプット(MIMO)システムから,機械学習を用いて移動物体の分類を解析する。
  論文  参考訳（メタデータ） (2021-02-09T15:48:35Z)
• Deep Learning-based Cattle Activity Classification Using Joint Time-frequency Data Representation [2.472770436480857]
  本稿では,牛の行動・行動の分類と行動モデルの構築にシーケンシャルディープニューラルネットワークを用いた。 本研究の主な焦点は,センサデータの同時時間周波数領域表現の探索である。 3軸加速度計、磁力計、ジャイロスコープのセンサーから収集された300万以上のサンプルからなる実世界のデータセットに基づいています。
  論文  参考訳（メタデータ） (2020-11-06T14:24:55Z)
• Human Activity Recognition from Wearable Sensor Data Using Self-Attention [2.9023633922848586]
  本稿では,身体のセンサデータから行動認識のための自己認識型ニューラルネットワークモデルを提案する。 一般に公開されている4つのHARデータセット、PAMAP2、Opportunity、Skoda、USC-HADについて実験を行った。 ベンチマークテスト対象とLeave-out-subject評価の両方において,最近の最先端モデルよりも高い性能向上を実現している。
  論文  参考訳（メタデータ） (2020-03-17T14:16:57Z)

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。