Fugu-MT 論文翻訳(概要): Marine life through You Only Look Once's perspective

論文の概要: Marine life through You Only Look Once's perspective

arxiv url: http://arxiv.org/abs/2003.00836v1
Date: Tue, 11 Feb 2020 22:47:45 GMT
ステータス: 処理完了
システム内更新日: 2023-01-02 02:32:00.340653
Title: Marine life through You Only Look Once's perspective
Title（参考訳）: 海洋生物は一度の視点しか見ない
Authors: Herman Stavelin, Adil Rasheed, Omer San, Arne Johan Hestnes
Abstract要約: カメラ画像中の魚を検知する物体検出手法を解析する。データはノルウェーのフルフク(Fulehuk)の海底データセンターからサンプリングされる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: With the rise of focus on man made changes to our planet and wildlife therein, more and more emphasis is put on sustainable and responsible gathering of resources. In an effort to preserve maritime wildlife the Norwegian government has decided that it is necessary to create an overview over the presence and abundance of various species of wildlife in the Norwegian fjords and oceans. In this paper we apply and analyze an object detection scheme that detects fish in camera images. The data is sampled from a submerged data station at Fulehuk in Norway. We implement You Only Look Once (YOLO) version 3 and create a dataset consisting of 99,961 images with a mAP of $\sim 0.88$. We also investigate intermediate results within YOLO, gaining insight into how it performs object detection.
Abstract（参考訳）: 人類への注目が高まり、地球と野生生物が変化し、持続可能で責任ある資源の収集がますます強調されるようになった。ノルウェー政府は海洋野生生物の保全のために、ノルウェーのフィヨルドや海洋における様々な種類の野生生物の存在と豊富さについて概観する必要があると判断した。本稿では,カメラ画像中の魚を検出する物体検出手法を適用し,解析する。データはノルウェーのfulehukにある沈んだデータセンターから採取された。 You Only Look Once (YOLO)バージョン3を実装し、99,961イメージと$\sim 0.88$のmAPからなるデータセットを作成します。また、YOLO内の中間結果を調査し、オブジェクト検出の実施方法について考察する。

関連論文リスト

PlantCamo: Plant Camouflage Detection [60.685139083469956]
本稿では,植物カモフラージュ検出(PCD)の課題を紹介する。この問題に対処するため,カモフラージュ植物を用いた1,250枚の画像からなるPlantCamoデータセットを導入した。提案したデータセット上で20以上の最先端CODモデルを用いて大規模なベンチマーク研究を行う。マルチスケールのグローバル機能拡張と改良により,PCNetはパフォーマンスを上回りました。
論文参考訳（メタデータ） (2024-10-23T06:51:59Z)
The FathomNet2023 Competition Dataset [0.8180522890142969]
海洋科学者は、何十年にもわたって海洋生物を研究するために、視覚データを収集してきた。これらのデータを自動的に処理するツールもあるが、サンプル集団の極端な変動を処理できるツールは存在しない。画像やビデオのシーケンスが新しい生物、珍しい動物のコレクションを含むことを認識できるモデルや、そうでなければ海中の視覚データを完全に活用することが重要である。
論文参考訳（メタデータ） (2023-07-17T18:50:53Z)
Deep object detection for waterbird monitoring using aerial imagery [56.1262568293658]
本研究では,商用ドローンで収集した空中画像を用いて,水鳥の正確な検出,数え,監視に使用できる深層学習パイプラインを提案する。畳み込み型ニューラルネットワークを用いた物体検出装置を用いて,テキサス沿岸の植民地性営巣島でよく見られる16種類の水鳥を検出できることを示す。
論文参考訳（メタデータ） (2022-10-10T17:37:56Z)
KOLOMVERSE: Korea open large-scale image dataset for object detection in the maritime universe [0.5732204366512352]
KRISO による海洋領域における物体検出のための大規模画像データセット KOLOMVERSE を提案する。韓国の21の領海から撮影した5,845時間の動画データを収集した。データセットには3840$times$2160ピクセルのイメージがあり、私たちの知る限り、海洋ドメインにおけるオブジェクト検出のための公開データセットとしては、これまでで最大のものである。
論文参考訳（メタデータ） (2022-06-20T16:45:12Z)
SealID: Saimaa ringed seal re-identification dataset [0.10555513406636087]
サイマーリングアザラシ(フィンランド語: Pusa hispida saimensis)は、フィンランドのサイマー湖で発見された絶滅危惧種である。サイマーリングシール画像(SealID)データセット(N=57)を研究目的で公開しています。
論文参考訳（メタデータ） (2022-06-05T20:35:32Z)
xView3-SAR: Detecting Dark Fishing Activity Using Synthetic Aperture Radar Imagery [52.67592123500567]
世界の漁業は海洋資源や生態系に大きな脅威をもたらす。夜間または夜間、全天候下で暗黒船の自動検出が可能となった。 xView3-SARは、Sentinel-1ミッションから得られた1000近い分析可能なSAR画像で構成されている。
論文参考訳（メタデータ） (2022-06-02T06:53:45Z)
Towards Deeper Understanding of Camouflaged Object Detection [64.81987999832032]
バイナリセグメンテーション設定は、カモフラージュの概念を完全に理解できない。そこで本研究では,カモフラージュされたオブジェクトの局所化,セグメント化,ランク付けを同時に行う3段階学習フレームワークを提案する。
論文参考訳（メタデータ） (2022-05-23T14:26:18Z)
FathomNet: A global underwater image training set for enabling artificial intelligence in the ocean [0.0]
オーシャンゴープラットフォームは、監視とナビゲーションのために高解像度のカメラフィードを統合することで、視覚データを大量に生成している。機械学習の最近の進歩は、視覚データの高速かつ洗練された分析を可能にするが、海洋学の世界では成功しなかった。 FathomNetのデータに基づいてトレーニングされた機械学習モデルを、さまざまな機関のビデオデータに適用する方法を実証する。
論文参考訳（メタデータ） (2021-09-29T18:08:42Z)
Florida Wildlife Camera Trap Dataset [48.99466876948454]
フロリダ州南西部の2つの異なる場所から収集された野生生物カメラトラップ分類データセットについて紹介する。データセットは104,495枚の画像からなり、視覚的に類似した種、様々な照明条件、スキュードクラス分布、絶滅危惧種のサンプルを含む。
論文参考訳（メタデータ） (2021-06-23T18:53:15Z)
Movement Tracks for the Automatic Detection of Fish Behavior in Videos [63.85815474157357]
水中ビデオでサブルフィッシュ(Anoplopoma fimbria)の発芽行動のデータセットを提供し,その上での深層学習(DL)法による行動検出について検討した。提案する検出システムは,Long Short-Term Memory(LSTM)ネットワークを用いて,サブルフィッシュの起動動作を識別する。
論文参考訳（メタデータ） (2020-11-28T05:51:19Z)
Counting Fish and Dolphins in Sonar Images Using Deep Learning [0.40611352512781856]
魚とイルカの量推定の現在の方法は、視覚的および捕獲・放出戦略を用いた現場サンプリングによって行われる。本研究では,漁船の背部から採取したソナー画像から,魚とイルカの深層学習を用いた魚量推定手法を提案する。
論文参考訳（メタデータ） (2020-07-24T23:52:03Z)

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。