論文の概要: Automatic Detection and Recognition of Individuals in Patterned Species
- arxiv url: http://arxiv.org/abs/2005.02905v1
- Date: Wed, 6 May 2020 15:29:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-06 05:51:32.430353
- Title: Automatic Detection and Recognition of Individuals in Patterned Species
- Title(参考訳): パターン種における個体の自動検出と認識
- Authors: Gullal Singh Cheema, Saket Anand
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 4.163860911052052
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Visual animal biometrics is rapidly gaining popularity as it enables a
non-invasive and cost-effective approach for wildlife monitoring applications.
Widespread usage of camera traps has led to large volumes of collected images,
making manual processing of visual content hard to manage. In this work, we
develop a framework for automatic detection and recognition of individuals in
different patterned species like tigers, zebras and jaguars. Most existing
systems primarily rely on manual input for localizing the animal, which does
not scale well to large datasets. In order to automate the detection process
while retaining robustness to blur, partial occlusion, illumination and pose
variations, we use the recently proposed Faster-RCNN object detection framework
to efficiently detect animals in images. We further extract features from
AlexNet of the animal's flank and train a logistic regression (or Linear SVM)
classifier to recognize the individuals. We primarily test and evaluate our
framework on a camera trap tiger image dataset that contains images that vary
in overall image quality, animal pose, scale and lighting. We also evaluate our
recognition system on zebra and jaguar images to show generalization to other
patterned species. Our framework gives perfect detection results in camera
trapped tiger images and a similar or better individual recognition performance
when compared with state-of-the-art recognition techniques.
- Abstract(参考訳): 野生動物監視アプリケーションに対して非侵襲的かつ費用対効果の高いアプローチを可能にするため、視覚動物バイオメトリックスは急速に人気を高めている。
カメラトラップの利用が広まり、大量の画像が収集され、視覚コンテンツの手動処理は管理が困難になっている。
本研究では,トラ,シマウマ,ジャガーなど,異なるパターンを持つ個体の自動検出と認識のための枠組みを開発する。
既存のほとんどのシステムは、主に動物をローカライズするための手動入力に依存しており、大きなデータセットにうまくスケールしない。
画像中の動物を効率的に検出するために,最近提案されているfaster-rcnnオブジェクト検出フレームワークを用いて,ぼかしや部分閉塞,照明,ポーズ変動に対する頑健性を維持しつつ検出プロセスの自動化を行う。
さらに,動物の側面のalexnetから特徴を抽出し,ロジスティック回帰(線形svm)分類器を訓練して個体を認識する。
筆者らは主に,カメラトラップタイガー画像データセットを用いて,画像の画質,動物のポーズ,スケール,ライティングなどさまざまな画像を含むフレームワークをテスト・評価した。
また,ゼブラ画像とジャガー画像の認識システムを評価し,他のパターン種への一般化を示す。
筆者らのフレームワークは,カメラトラップトレーラー画像の完全な検出結果と,最先端の認識技術と比較して,類似あるいは良好な個人認識性能を提供する。
関連論文リスト
- Multimodal Foundation Models for Zero-shot Animal Species Recognition in
Camera Trap Images [57.96659470133514]
モーションアクティベートカメラトラップは、世界中の野生生物を追跡・監視するための効率的なツールである。
教師付き学習技術は、そのような画像を分析するためにうまく展開されているが、そのような訓練には専門家のアノテーションが必要である。
コストのかかるラベル付きデータへの依存を減らすことは、人間の労働力を大幅に減らした大規模野生生物追跡ソリューションを開発する上で、大きな可能性を秘めている。
論文 参考訳(メタデータ) (2023-11-02T08:32:00Z) - Improving Image Recognition by Retrieving from Web-Scale Image-Text Data [68.63453336523318]
本稿では,メモリから抽出した各サンプルの重要性を学習するアテンションベースのメモリモジュールを提案する。
既存の手法と比較して,提案手法は無関係な検索例の影響を排除し,入力クエリに有益であるものを保持する。
我々は、ImageNet-LT、Places-LT、Webvisionのデータセットで最先端の精度を実現していることを示す。
論文 参考訳(メタデータ) (2023-04-11T12:12:05Z) - Choosing an Appropriate Platform and Workflow for Processing Camera Trap
Data using Artificial Intelligence [0.18350044465969417]
カメラトラップは、生態学者が野生生物種の分布、活動パターン、種間相互作用を研究する方法を変えてきた。
カメラトラップデータを処理する人工知能(AI)、特にディープラーニング(DL)の可能性に大きな注目を集めている。
これらのアプリケーションにDLを使用するには、オブジェクトを自動的に検出して種を分類するConvolutional Neural Networks(CNN)のようなトレーニングアルゴリズムが含まれる。
論文 参考訳(メタデータ) (2022-02-04T18:13:09Z) - Ensembling with Deep Generative Views [72.70801582346344]
生成モデルは、色やポーズの変化などの現実世界の変動を模倣する人工画像の「ビュー」を合成することができる。
そこで本研究では, 画像分類などの下流解析作業において, 実画像に適用できるかどうかを検討する。
StyleGAN2を再生増強の源として使用し、顔の属性、猫の顔、車を含む分類タスクについてこの設定を調査します。
論文 参考訳(メタデータ) (2021-04-29T17:58:35Z) - A first step towards automated species recognition from camera trap
images of mammals using AI in a European temperate forest [0.0]
本稿では,ポーランド bialowieza forest (bf) における哺乳類のカメラトラップ画像の自動ラベリングのためのyolov5アーキテクチャの実装について述べる。
カメラトラップデータは、大規模な野生動物の監視プロジェクトを管理するためのオープンソースアプリケーションであるTRAPPERソフトウェアを使用して整理および調和されました。
提案する画像認識パイプラインは, bfにおける中型・大型哺乳類12種の同定において, 85%f1-scoreの平均精度を達成した。
論文 参考訳(メタデータ) (2021-03-19T22:48:03Z) - Instance Localization for Self-supervised Detection Pretraining [68.24102560821623]
インスタンスローカリゼーションと呼ばれる,新たな自己監視型プリテキストタスクを提案する。
境界ボックスを事前学習に組み込むことで、より優れたタスクアライメントとアーキテクチャアライメントが促進されることを示す。
実験結果から, オブジェクト検出のための最先端の転送学習結果が得られた。
論文 参考訳(メタデータ) (2021-02-16T17:58:57Z) - Exploiting Depth Information for Wildlife Monitoring [0.0]
深度推定を用いて動物を検知・識別するカメラトラップを用いた自動手法を提案する。
個々の動物を検出・識別するために,いわゆるインスタンスセグメンテーションのための新しい手法D-Mask R-CNNを提案する。
実験により,動物検出における平均精度スコアの改善による追加深度推定の利点が示された。
論文 参考訳(メタデータ) (2021-02-10T18:10:34Z) - Self-supervised Human Detection and Segmentation via Multi-view
Consensus [116.92405645348185]
本稿では,トレーニング中に幾何学的制約を多視点一貫性という形で組み込むマルチカメラフレームワークを提案する。
本手法は,標準ベンチマークから視覚的に外れた画像に対して,最先端の自己監視的人物検出とセグメンテーション技術に勝ることを示す。
論文 参考訳(メタデータ) (2020-12-09T15:47:21Z) - An explainable deep vision system for animal classification and
detection in trail-camera images with automatic post-deployment retraining [0.0]
本稿では,テキサス・パークス野生生物局の管理下にあるフィールドから撮影したトレイルカメラ画像における動物検出のための自動視覚システムについて紹介する。
2段階の深層畳み込みニューラルネットワークパイプラインを実装し,動物を含む画像を第1段階で発見し,その画像を処理して第2段階の鳥を検出する。
動物分類システムは、動物画像の感度を93%、特異度を96%と分類する。鳥類検出システムは、感度を93%以上、特異度を92%、インターセクション・オーバー・ユニオン率を68%以上達成する。
論文 参考訳(メタデータ) (2020-10-22T06:29:55Z) - WhoAmI: An Automatic Tool for Visual Recognition of Tiger and Leopard
Individuals in the Wild [3.1708876837195157]
我々は,動物を識別し,動物の種類を特定し,2種の個体を識別する自動アルゴリズムを開発した。
本研究では,南インドのジャングルに記録されたカメラトラップ画像のデータセットに対するアプローチの有効性を示す。
論文 参考訳(メタデータ) (2020-06-17T16:17:46Z) - Automatic image-based identification and biomass estimation of
invertebrates [70.08255822611812]
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。
論文 参考訳(メタデータ) (2020-02-05T21:38:57Z)
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。