論文の概要: Automatic Detection of Aedes aegypti Breeding Grounds Based on Deep
Networks with Spatio-Temporal Consistency
- arxiv url: http://arxiv.org/abs/2007.14863v4
- Date: Sat, 27 Nov 2021 20:51:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-05 20:55:24.176269
- Title: Automatic Detection of Aedes aegypti Breeding Grounds Based on Deep
Networks with Spatio-Temporal Consistency
- Title（参考訳）: 時空間的一貫性を有する深層ネットワークに基づくaeedes aegypti繁殖地の自動検出
- Authors: Wesley L. Passos, Gabriel M. Araujo, Amaro A. de Lima, Sergio L.
Netto, and Eduardo A. B. da Silva
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 2.4858193569899907
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Every year, the Aedes aegypti mosquito infects millions of people with
diseases such as dengue, zika, chikungunya, and urban yellow fever. The main
form to combat these diseases is to avoid mosquito reproduction by searching
for and eliminating the potential mosquito breeding grounds. In this work, we
introduce a comprehensive dataset of aerial videos, acquired with an unmanned
aerial vehicle, containing possible mosquito breeding sites. All frames of the
video dataset were manually annotated with bounding boxes identifying all
objects of interest. This dataset was employed to develop an automatic
detection system of such objects based on deep convolutional networks. We
propose the exploitation of the temporal information contained in the videos by
the incorporation, in the object detection pipeline, of a spatio-temporal
consistency module that can register the detected objects, minimizing most
false-positive and false-negative occurrences. Also, we experimentally show
that using videos is more beneficial than only composing a mosaic using the
frames. Using the ResNet-50-FPN as a backbone, we achieve F$_1$-scores of 0.65
and 0.77 on the object-level detection of `tires' and `water tanks',
respectively, illustrating the system capabilities to properly locate potential
mosquito breeding objects.
- Abstract（参考訳）: 毎年、aedes aegyptiという蚊がデング、ジカ、チクングニア、都市黄熱病などの病気に感染している。
これらの病気に対処する主な形態は、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。
本研究は,蚊の繁殖可能な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。
ビデオデータセットのすべてのフレームは、関心のあるすべてのオブジェクトを識別するバウンディングボックスで手動で注釈付けされた。
このデータセットを用いて、深層畳み込みネットワークに基づくオブジェクトの自動検出システムを開発した。
本稿では,検出対象を登録可能な時空間整合モジュールのオブジェクト検出パイプラインに組み込んで,ビデオに含まれる時間情報の活用を提案し,最も偽陽性かつ偽陰性な事象を最小限に抑える。
また,フレームを用いたモザイク作成よりもビデオ利用の方が有益であることを示す。
resnet-50-fpn をバックボーンとして,'タイヤ' と '水槽' のオブジェクトレベル検出において 0.65 と 0.77 の f$_1$-score を達成し,蚊の繁殖対象を適切に同定するシステム能力を示した。
関連論文リスト
- Unlearnable Examples Detection via Iterative Filtering [84.59070204221366]
ディープニューラルネットワークは、データ中毒攻撃に弱いことが証明されている。
混合データセットから有毒なサンプルを検出することは極めて有益であり、困難である。
UE識別のための反復フィルタリング手法を提案する。
論文 参考訳（メタデータ） (2024-08-15T13:26:13Z) - MosquitoFusion: A Multiclass Dataset for Real-Time Detection of Mosquitoes, Swarms, and Breeding Sites Using Deep Learning [0.0]
1204種類の画像を含むマルチクラスデータセット(MosquitoFusion)を用いたリアルタイム蚊検出への統合的アプローチを提案する。
トレーニング済みのYOLOv8モデルは、このデータセットに基づいてトレーニングされ、平均平均精度(mAP@50)が57.1%、精度73.4%、リコール50.5%に達した。
論文 参考訳（メタデータ） (2024-04-01T21:49:05Z) - YOLOv7 for Mosquito Breeding Grounds Detection and Tracking [5.729171000212229]
YOLOv7を利用して、無人航空機が捉えた状態ビデオの蚊の変化をローカライズし追跡する。
YOLOv7はタイヤや水槽などの大きなカテゴリーを検知するために直接適用可能である。
論文 参考訳（メタデータ） (2023-10-16T14:04:25Z) - Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。
I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
論文 参考訳（メタデータ） (2023-08-31T05:05:53Z) - Self-Supervised Masked Convolutional Transformer Block for Anomaly
Detection [122.4894940892536]
本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。
本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
論文 参考訳（メタデータ） (2022-09-25T04:56:10Z) - CARLA-GeAR: a Dataset Generator for a Systematic Evaluation of
Adversarial Robustness of Vision Models [61.68061613161187]
本稿では,合成データセットの自動生成ツールであるCARLA-GeARについて述べる。
このツールは、Python APIを使用して、CARLAシミュレータ上に構築されており、自律運転のコンテキストにおいて、いくつかのビジョンタスク用のデータセットを生成することができる。
本稿では,CARLA-GeARで生成されたデータセットが,現実世界の敵防衛のベンチマークとして今後どのように利用されるかを示す。
論文 参考訳（メタデータ） (2022-06-09T09:17:38Z) - Autonomous Mosquito Habitat Detection Using Satellite Imagery and
Convolutional Neural Networks for Disease Risk Mapping [0.0]
モスキトベクターは毎年100万人以上の死者を出す病気の感染で知られている。
ドローン、UAV、その他の空中撮像技術といった現代のアプローチは、実装にコストがかかり、より精密な空間スケールでのみ正確である。
提案した畳み込みニューラルネットワーク(CNN)アプローチは、疾病リスクマッピングや、よりグローバルなスケールでの予防的取り組みのガイドに応用することができる。
論文 参考訳（メタデータ） (2022-03-09T00:54:59Z) - 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) - Self-Supervised Predictive Convolutional Attentive Block for Anomaly
Detection [97.93062818228015]
本稿では,再建に基づく機能を,新たな自己監督型予測アーキテクチャビルディングブロックに統合することを提案する。
我々のブロックは、受容領域におけるマスク領域に対する再構成誤差を最小限に抑える損失を備える。
画像やビデオの異常検出のための最先端フレームワークに組み込むことで,ブロックの汎用性を実証する。
論文 参考訳（メタデータ） (2021-11-17T13:30:31Z) - 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) - 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)
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。