論文の概要: Multi-species Seagrass Detection and Classification from Underwater Images

• arxiv url: http://arxiv.org/abs/2009.09924v1
• Date: Fri, 18 Sep 2020 07:20:44 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-17 02:50:56.165058
• Title: Multi-species Seagrass Detection and Classification from Underwater Images
• Title（参考訳）: 多種海草の検出と水中画像からの分類
• Authors: Scarlett Raine, Ross Marchant, Peyman Moghadam, Frederic Maire, Brett Kettle, Brano Kusy
• Abstract要約: 本稿では,深層畳み込みニューラルネットワークに基づく海草の多種検出と分類器を提案する。 また,画像パッチを半自動でラベル付けする簡単な手法を導入し,手動ラベリングの要件を最小化する。 この研究で収集したデータセットと、実験を再現するためのコードと事前訓練されたモデルについて、公開してリリースします。
• 参考スコア（独自算出の注目度）: 1.2233362977312945
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Underwater surveys conducted using divers or robots equipped with customized camera payloads can generate a large number of images. Manual review of these images to extract ecological data is prohibitive in terms of time and cost, thus providing strong incentive to automate this process using machine learning solutions. In this paper, we introduce a multi-species detector and classifier for seagrasses based on a deep convolutional neural network (achieved an overall accuracy of 92.4%). We also introduce a simple method to semi-automatically label image patches and therefore minimize manual labelling requirement. We describe and release publicly the dataset collected in this study as well as the code and pre-trained models to replicate our experiments at: https://github.com/csiro-robotics/deepseagrass
• Abstract（参考訳）: カメラペイロードをカスタマイズしたダイバーやロボットを用いた水中調査は、多数の画像を生成することができる。 生態データを抽出するためのこれらの画像のマニュアルレビューは、時間とコストの観点から禁止されており、機械学習ソリューションを使用してこのプロセスを自動化するための強力なインセンティブを提供する。 本稿では,深層畳み込みニューラルネットワーク(全体の精度92.4%)に基づく海草の多種検出と分類について述べる。 また,画像パッチを半自動でラベル付けする簡単な手法を導入し,手動ラベリングを最小化する。 この研究で収集されたデータセットと、実験を再現するためのコードおよび事前訓練されたモデルについて、公開して公開します。

関連論文リスト

• Improved detection of discarded fish species through BoxAL active learning [0.2544632696242629]
  本研究では,より高速なR-CNNオブジェクト検出モデルの認識精度を推定する,BoxALという能動的学習手法を提案する。 この方法では、未ラベルのプールから最も不確実なトレーニングイメージを選択し、オブジェクト検出モデルのトレーニングに使用することができる。 また,本研究では,サンプル化した新データが,未ラベルデータよりもトレーニングに有用であることが確認された。
  論文  参考訳（メタデータ） (2024-10-07T10:01:30Z)
• Rethinking Transformers Pre-training for Multi-Spectral Satellite Imagery [78.43828998065071]
  教師なし学習の最近の進歩は、下流タスクにおける有望な結果を達成するための大きな視覚モデルの可能性を示している。 このような事前学習技術は、大量の未学習データが利用可能であることから、リモートセンシング領域でも最近研究されている。 本稿では,マルチモーダルで効果的に活用されるマルチスケール情報の事前学習と活用について述べる。
  論文  参考訳（メタデータ） (2024-03-08T16:18:04Z)
• Efficient Unsupervised Learning for Plankton Images [12.447149371717]
  水生生態系の保全には,シチューにおけるプランクトン群集のモニタリングが不可欠である。 このようなデータを分類するための機械学習アルゴリズムの採用は、手動アノテーションの大幅なコストに影響される可能性がある。 プランクトン微生物の正確な分類を行うために,効率的な教師なし学習パイプラインを提案する。
  論文  参考訳（メタデータ） (2022-09-14T15:33:16Z)
• BeCAPTCHA-Type: Biometric Keystroke Data Generation for Improved Bot Detection [63.447493500066045]
  本研究では,キーストローク生体データ合成のためのデータ駆動学習モデルを提案する。 提案手法は,ユニバーサルモデルとユーザ依存モデルに基づく2つの統計的手法と比較する。 実験フレームワークでは16万件の被験者から1億3600万件のキーストロークイベントのデータセットについて検討している。
  論文  参考訳（メタデータ） (2022-07-27T09:26:15Z)
• Facilitated machine learning for image-based fruit quality assessment in developing countries [68.8204255655161]
  自動画像分類は食品科学における教師あり機械学習の一般的な課題である。 事前学習型視覚変換器(ViT)に基づく代替手法を提案する。 標準的なデバイス上で限られたリソースで簡単に実装できる。
  論文  参考訳（メタデータ） (2022-07-10T19:52:20Z)
• Image analysis for automatic measurement of crustose lichens [0.0]
  地層は、特に最近の地質学的堆積物や考古学的構造において、年代推定器としてよく使われている。 現在の自動化されていない手作業のキッチンと測定は、時間と手間のかかるプロセスである。 本研究は, 平らな岩盤表面のライチェンタルリを効率よく識別するワークフローと画像取得・処理ツールを提案する。
  論文  参考訳（メタデータ） (2022-03-01T23:11:59Z)
• AutoGeoLabel: Automated Label Generation for Geospatial Machine Learning [69.47585818994959]
  リモートセンシングデータのためのラベルの自動生成のためのビッグデータ処理パイプラインを評価する。 我々は,大規模データプラットフォームであるIBM PAIRSを用いて,密集都市部でそのようなラベルを動的に生成する。
  論文  参考訳（メタデータ） (2022-01-31T20:02:22Z)
• Filtering Empty Camera Trap Images in Embedded Systems [0.0]
  本稿では,動物認識モデルの比較研究を行い,エッジデバイス上での精度と推論遅延のトレードオフを解析する。 実験の結果、同じ画像をトレーニングに使用すると、検出器の性能が向上することがわかった。 検出問題のラベルを生成するコストが高いことを考えると、分類にラベル付けされた大量の画像が存在する場合、分類器は検出器に匹敵する結果が得られるが、半分のレイテンシを持つ。
  論文  参考訳（メタデータ） (2021-04-18T13:56:22Z)
• One-bit Supervision for Image Classification [121.87598671087494]
  1ビットの監視は、不完全なアノテーションから学ぶための新しい設定である。 負ラベル抑圧を既成の半教師付き学習アルゴリズムに組み込んだ多段階学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2020-09-14T03:06:23Z)
• Temperate Fish Detection and Classification: a Deep Learning based Approach [6.282069822653608]
  本研究では,2段階の深層学習手法を提案する。 最初のステップは、種や性別によらず、画像中の各魚を検出することです。 第2のステップでは、画像中の各魚を事前フィルタリングせずに分類するために、Squeeze-and-Excitation (SE)アーキテクチャを備えた畳み込みニューラルネットワーク(CNN)を採用する。
  論文  参考訳（メタデータ） (2020-05-14T12:40:57Z)
• 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。