論文の概要: Movement Tracks for the Automatic Detection of Fish Behavior in Videos

• arxiv url: http://arxiv.org/abs/2011.14070v1
• Date: Sat, 28 Nov 2020 05:51:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-19 19:39:30.106778
• Title: Movement Tracks for the Automatic Detection of Fish Behavior in Videos
• Title（参考訳）: 映像中の魚の行動自動検出のための運動軌跡
• Authors: Declan McIntosh, Tunai Porto Marques, Alexandra Branzan Albu, Rodney Rountree, Fabio De Leo
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 63.85815474157357
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Global warming is predicted to profoundly impact ocean ecosystems. Fish behavior is an important indicator of changes in such marine environments. Thus, the automatic identification of key fish behavior in videos represents a much needed tool for marine researchers, enabling them to study climate change-related phenomena. We offer a dataset of sablefish (Anoplopoma fimbria) startle behaviors in underwater videos, and investigate the use of deep learning (DL) methods for behavior detection on it. Our proposed detection system identifies fish instances using DL-based frameworks, determines trajectory tracks, derives novel behavior-specific features, and employs Long Short-Term Memory (LSTM) networks to identify startle behavior in sablefish. Its performance is studied by comparing it with a state-of-the-art DL-based video event detector.
• Abstract（参考訳）: 地球温暖化は海洋生態系に大きな影響を与えると予測されている。 魚類の行動は海洋環境の変化の重要な指標である。 したがって、ビデオで重要な魚の行動を自動的に識別することは、海洋研究者にとって非常に必要なツールであり、気候変動に関連する現象を研究することができる。 我々は,水中ビデオにおけるsablefish (anoplopoma fimbria) スタール行動のデータセットを提供し,その行動検出にdeep learning (dl) 法の使用について検討する。 提案する検出システムは,dlベースのフレームワークを用いて魚のインスタンスを識別し,軌跡を判定し,新たな行動特有の特徴を導出し,long short-term memory (lstm) ネットワークを用いてsablefishのスタール動作を識別する。 その性能は、最先端のdlベースのビデオイベント検出器と比較することで研究されている。

関連論文リスト

• A Bionic Data-driven Approach for Long-distance Underwater Navigation with Anomaly Resistance [59.21686775951903]
  様々な動物が環境の手がかりを使って正確なナビゲーションをしている。 動物航法にインスパイアされたこの研究は、長距離水中航法のためのバイオニックでデータ駆動のアプローチを提案する。 提案手法では,GPSシステムや地理地図を必要とせず,測地データを用いてナビゲーションを行う。
  論文  参考訳（メタデータ） (2024-02-06T13:20:56Z)
• FishMOT: A Simple and Effective Method for Fish Tracking Based on IoU Matching [11.39414015803651]
  FishMOTは、オブジェクト検出とObjectoUマッチングを組み合わせた、新しい魚追跡手法である。 本手法は, 各種環境および魚の数に対して, 優れた堅牢性と汎用性を示す。
  論文  参考訳（メタデータ） (2023-09-06T13:16:41Z)
• Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
  本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。 これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。 高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
  論文  参考訳（メタデータ） (2023-08-24T12:32:46Z)
• 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)
• Watermarking for Out-of-distribution Detection [76.20630986010114]
  Out-of-Distribution (OOD) 検出は、よく訓練された深層モデルから抽出された表現に基づいてOODデータを識別することを目的としている。 本稿では,透かしという一般的な手法を提案する。 我々は,元データの特徴に重畳される統一パターンを学習し,ウォーターマーキング後にモデルの検出能力が大きく向上する。
  論文  参考訳（メタデータ） (2022-10-27T06:12:32Z)
• Applications of Deep Learning in Fish Habitat Monitoring: A Tutorial and Survey [1.9249287163937976]
  ディープラーニング(DL)は最先端のAI技術であり、ビジュアルデータを分析する上で前例のないパフォーマンスを示している。 本稿では,DLの重要な概念を網羅するチュートリアルを紹介し,DLの動作に関する高レベルな理解を支援する。 チュートリアルではまた、水中魚のモニタリングのような挑戦的な応用のために、DLアルゴリズムをどのように開発すべきかをステップバイステップで説明する。
  論文  参考訳（メタデータ） (2022-06-11T01:59:54Z)
• Computer Vision and Deep Learning for Fish Classification in Underwater Habitats: A Survey [2.363388546004777]
  海洋科学者は、水中のビデオ記録を使って、自然の生息地の魚種を調査します。 収集された膨大な量のビデオは、有用な情報を抽出し、人間にとって大変な作業と時間を要する。 ディープラーニング技術は、海洋科学者が大量のビデオを迅速かつ効率的に解析するのに役立つ。
  論文  参考訳（メタデータ） (2022-03-14T09:32:25Z)
• Benchmarking Safe Deep Reinforcement Learning in Aquatic Navigation [78.17108227614928]
  本研究では,水文ナビゲーションに着目した安全強化学習のためのベンチマーク環境を提案する。 価値に基づく政策段階の深層強化学習(DRL)について考察する。 また,学習したモデルの振る舞いを所望の特性の集合上で検証する検証戦略を提案する。
  論文  参考訳（メタデータ） (2021-12-16T16:53:56Z)
• A Survey of Fish Tracking Techniques Based on Computer Vision [11.994865945394139]
  本稿では,過去7年間の魚類追跡技術の進歩を概観する。 基本的位置決めと追跡方法に重点を置き、多様な魚の追跡手法を探求する。 また、オープンソースのデータセット、評価指標、課題、魚の追跡研究への応用についても要約している。
  論文  参考訳（メタデータ） (2021-10-06T07:46:35Z)
• Automated Stitching of Coral Reef Images and Extraction of Features for Damselfish Shoaling Behavior Analysis [0.0]
  海洋生態学において、学種における行動パターンの調査は、海洋資源の計画と管理において補助的な情報を提供することができる。 現在では、熱帯海域に広く分布するダムボッシュ種は、適切な基盤行動情報を持っていない。 野生で捕獲された視覚的な海洋データは、主に動いたり自然環境の変化によって引き起こされる複数のシーンのバリエーションに乏しい。
  論文  参考訳（メタデータ） (2020-06-28T00:56:51Z)

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。