論文の概要: FishNet: A Unified Embedding for Salmon Recognition

• arxiv url: http://arxiv.org/abs/2010.10475v1
• Date: Tue, 20 Oct 2020 17:35:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-05 06:28:21.163889
• Title: FishNet: A Unified Embedding for Salmon Recognition
• Title（参考訳）: FishNet:サーモン認識のための統一埋め込み
• Authors: Bj{\o}rn Magnus Mathisen and Kerstin Bach and Espen Meidell and H{\aa}kon M{\aa}l{\o}y and Edvard Schreiner Sj{\o}blom
• Abstract要約: そこで我々は,人間の識別に成功している深層学習技術に基づく魚網を提案する。 実験の結果,このアーキテクチャはサルモン頭部の画像に基づいて有用な表現を学習していることがわかった。 FishNetは偽陽性率1%、真陽性率96%を達成している。
• 参考スコア（独自算出の注目度）: 0.37798600249187286
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Identifying individual salmon can be very beneficial for the aquaculture industry as it enables monitoring and analyzing fish behavior and welfare. For aquaculture researchers identifying individual salmon is imperative to their research. The current methods of individual salmon tagging and tracking rely on physical interaction with the fish. This process is inefficient and can cause physical harm and stress for the salmon. In this paper we propose FishNet, based on a deep learning technique that has been successfully used for identifying humans, to identify salmon.We create a dataset of labeled fish images and then test the performance of the FishNet architecture. Our experiments show that this architecture learns a useful representation based on images of salmon heads. Further, we show that good performance can be achieved with relatively small neural network models: FishNet achieves a false positive rate of 1\% and a true positive rate of 96\%.
• Abstract（参考訳）: 個々のサケを識別することは養殖産業にとって非常に有益であり、魚の行動や福祉をモニタリングし分析することができる。 養殖研究者にとって、個々のサケを特定することは研究にとって不可欠である。 個々のサケのタグ付けと追跡の現在の方法は、魚との物理的相互作用に依存している。 このプロセスは非効率であり、サケの身体的害やストレスを引き起こすことがある。 本稿では,魚介類の識別に応用された深層学習手法に基づいて,魚介類の識別を行うfishnetを提案し,魚介類のラベル付き画像のデータセットを作成し,fishnetアーキテクチャの性能をテストする。 実験の結果,このアーキテクチャはサケの頭部の画像から有用な表現を学習できることが判明した。 さらに,比較的小さなニューラルネットワークモデルでは,良好な性能が得られることを示す: FishNetは偽陽性率1\%,真陽性率96\%を達成する。

関連論文リスト

• FishNet: Deep Neural Networks for Low-Cost Fish Stock Estimation [0.0]
  FishNetは、分類分類と魚の大きさ推定の両方を自動化したコンピュータビジョンシステムである。 我々は163種の1.2万魚を含む30万枚の手ラベル画像のデータセットを使用する。 魚の区分け作業では92%、単一魚種分類では89%、魚長推定では2.3cmの平均絶対誤差が達成されている。
  論文  参考訳（メタデータ） (2024-03-16T12:44:08Z)
• A deep learning approach for marine snow synthesis and removal [55.86191108738564]
  本稿では,深層学習技術を用いた海洋雪の干渉低減手法を提案する。 まず,GAN(Generative Adversarial Network)モデルを用いて,現実的な積雪サンプルを合成する。 次に、画像から画像への変換タスクとして海洋性除雪を行うためにU-Netモデルを訓練する。
  論文  参考訳（メタデータ） (2023-11-27T07:19:41Z)
• 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)
• A deep neural network for multi-species fish detection using multiple acoustic cameras [0.0]
  本稿では,CNN (Convolutional Neural Network) と従来のCV (Computer Vision) 技術の両方を活用する新しい手法を提案する。 パイプラインは、音像を前処理して2つの特徴を抽出し、信号をローカライズし、検出性能を向上させる。 YOLOv3ベースのモデルは、2つの一般的な音響カメラで記録された複数の種の魚のデータを用いて訓練された。
  論文  参考訳（メタデータ） (2021-09-22T11:47:24Z)
• Gone Fishing: Neural Active Learning with Fisher Embeddings [55.08537975896764]
  ディープニューラルネットワークと互換性のあるアクティブな学習アルゴリズムの必要性が高まっている。 本稿では,ニューラルネットワークのための抽出可能かつ高性能な能動学習アルゴリズムBAITを紹介する。
  論文  参考訳（メタデータ） (2021-06-17T17:26:31Z)
• Fish Disease Detection Using Image Based Machine Learning Technique in Aquaculture [0.971137838903781]
  養殖における魚の病気は栄養の安全にとって重大な危険である。 画像の前処理とセグメンテーションはノイズを低減し、画像を誇張するために適用されている。 第二部では、機械学習のサポートベクトルマシン(SVM)アルゴリズムの助けを借りて疾患を分類するための関連する特徴を抽出します。
  論文  参考訳（メタデータ） (2021-05-09T13:22:44Z)
• Joint Learning of Neural Transfer and Architecture Adaptation for Image Recognition [77.95361323613147]
  現在の最先端の視覚認識システムは、大規模データセット上でニューラルネットワークを事前トレーニングし、より小さなデータセットでネットワーク重みを微調整することに依存している。 本稿では,各ドメインタスクに適応したネットワークアーキテクチャの動的適応と,効率と効率の両面で重みの微調整の利点を実証する。 本手法は,ソースドメインタスクでスーパーネットトレーニングを自己教師付き学習に置き換え,下流タスクで線形評価を行うことにより,教師なしパラダイムに容易に一般化することができる。
  論文  参考訳（メタデータ） (2021-03-31T08:15:17Z)
• 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)
• 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)
• ResNeSt: Split-Attention Networks [86.25490825631763]
  このアーキテクチャは、異なるネットワークブランチにチャンネルワイズを応用し、機能間相互作用のキャプチャと多様な表現の学習の成功を活用する。 我々のモデルはResNeStと呼ばれ、画像分類の精度と遅延トレードオフにおいてEfficientNetより優れています。
  論文  参考訳（メタデータ） (2020-04-19T20:40:31Z)

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。