論文の概要: Dynamic $\beta$-VAEs for quantifying biodiversity by clustering
optically recorded insect signals
- arxiv url: http://arxiv.org/abs/2102.05526v1
- Date: Wed, 10 Feb 2021 16:14:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-11 22:26:23.401459
- Title: Dynamic $\beta$-VAEs for quantifying biodiversity by clustering
optically recorded insect signals
- Title（参考訳）: 光記録昆虫信号のクラスタリングによる生物多様性の定量化のための動的$\beta$-VAEs
- Authors: Klas Rydhmer, Raghavendra Selvan
- Abstract要約: 本稿では,系統群によるデータのクラスタリングが可能な変分オートエンコーダ(VAE)の適応的変種を提案する。
南スカンジナビアの光記録昆虫信号に対する動的$beta$-VAEの有用性を実証した。
- 参考スコア（独自算出の注目度）: 0.6091702876917281
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While insects are the largest and most diverse group of animals, constituting
ca. 80% of all known species, they are difficult to study due to their small
size and similarity between species. Conventional monitoring techniques depend
on time consuming trapping methods and tedious microscope-based work by skilled
experts in order to identify the caught insect specimen at species, or even
family, level. Researchers and policy makers are in urgent need of a scalable
monitoring tool in order to conserve biodiversity and secure human food
production due to the rapid decline in insect numbers. Recent work has aimed
for a broader analysis using unsupervised clustering as a proxy for
conventional biodiversity measures, such as species richness and species
evenness, without actually identifying the species of the detected target.
In order to improve upon existing insect clustering methods, we propose an
adaptive variant of the variational autoencoder (VAE) which is capable of
clustering data by phylogenetic groups. The proposed Dynamic $\beta$-VAE
dynamically adapts the scaling of the reconstruction and regularization loss
terms ($\beta$ value) yielding useful latent representations of the input data.
We demonstrate the usefulness of the dynamic $\beta$-VAE on optically recorded
insect signals from regions of southern Scandinavia to cluster unlabelled
targets into possible species. We also demonstrate improved clustering
performance in a semi-supervised setting using a small subset of labelled data.
These experimental results, in both unsupervised- and semi-supervised settings,
with the dynamic $\beta$-VAE are promising and, in the near future, can be
deployed to monitor insects and conserve the rapidly declining insect
biodiversity.
- Abstract（参考訳）: 昆虫は動物の最大かつ最も多様なグループであるが、caを構成する。
80%の種が知られているが,小ささと種間の類似性から研究が困難である。
従来の監視技術は、捕獲された昆虫の種、あるいは家族レベルを特定するために、熟練した専門家によるトラップ法や退屈な顕微鏡ベースの作業に依存する。
研究者や政策立案者は、昆虫数の急速な減少による生物多様性の保全と人間の食料生産の確保のために、スケーラブルな監視ツールを緊急に必要としています。
近年の研究では、検出対象の種を特定せずに、種多様性や種均等といった従来の生物多様性対策の指標として、教師なしクラスタリングを用いたより広範な分析が試みられている。
既存の昆虫群集法を改善するため,系統群によるデータのクラスタリングが可能な変分オートエンコーダ(VAE)の適応的変種を提案する。
提案された動的$\beta$-vae は、リコンストラクションのスケーリングと正規化損失項 (\beta$ value) を動的に適応させ、入力データの有用な潜在表現をもたらす。
本研究は,南スカンジナビア地域からの光学的記録された昆虫信号に対する動的$\beta$-vaeの有用性を実証する。
また,ラベル付きデータの小さなサブセットを用いて,半教師付き設定におけるクラスタリング性能の向上を示す。
これらの実験結果は、教師なしと半監督なしの両方で、動的に$\beta$-vaeが有望であり、近い将来、昆虫をモニターし、急速に減少する昆虫の生物多様性を保存できる。
関連論文リスト
- Artificial Immune System of Secure Face Recognition Against Adversarial Attacks [67.31542713498627]
昆虫生産には 最大限の可能性を実現するために 最適化が必要です
これは選択的育種による興味のある形質の改善が目的である。
このレビューは、様々な分野の知識と、動物の繁殖、定量的遺伝学、進化生物学、昆虫学のギャップを埋めるものである。
論文 参考訳（メタデータ） (2024-06-26T07:50:58Z) - Comparing fine-grained and coarse-grained object detection for ecology [0.5755004576310334]
単一クラスにおける複数種の組み合わせによるモデル結果への影響について検討した。
一つのクラスにマージすることで最も恩恵を受けた種は、主に形態学的に類似した種であることがわかりました。
形態学的に類似した種を機能群あるいは高い分類群として分類し,生態学的推測を導出できることが示唆された。
論文 参考訳（メタデータ） (2024-05-06T04:50:55Z) - InsectMamba: Insect Pest Classification with State Space Model [8.470757741028661]
InsectMambaは、ステートスペースモデル(SSM)、畳み込みニューラルネットワーク(CNN)、マルチヘッド自己認識機構(MSA)、マルチレイヤパーセプトロン(MLP)をMix-SSMブロックに統合する新しいアプローチである。
5種類の害虫分類データセットの強い競争相手に対して評価された。
論文 参考訳（メタデータ） (2024-04-04T17:34:21Z) - SatBird: Bird Species Distribution Modeling with Remote Sensing and
Citizen Science Data [68.2366021016172]
本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。
ケニアでは低データのレシエーションを表すデータセットも提供しています。
リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
論文 参考訳（メタデータ） (2023-11-02T02:00:27Z) - Deep learning powered real-time identification of insects using citizen
science data [17.13608307250744]
InsectNetは、侵入した種を識別し、きめ細かい昆虫種を識別し、挑戦的な背景において効果的に働く。
また、不確実な場合には予測を控え、シームレスな人間の介入を助長し、実用的で信頼できるツールにもなれる。
論文 参考訳（メタデータ） (2023-06-04T23:56:53Z) - Evaluation of the potential of Near Infrared Hyperspectral Imaging for
monitoring the invasive brown marmorated stink bug [53.682955739083056]
BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。
本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
論文 参考訳（メタデータ） (2023-01-19T11:37:20Z) - Neuroevolution-based Classifiers for Deforestation Detection in Tropical
Forests [62.997667081978825]
森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。
監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。
本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
論文 参考訳（メタデータ） (2022-08-23T16:04:12Z) - Ensembles of Vision Transformers as a New Paradigm for Automated
Classification in Ecology [0.0]
データ効率のよい画像変換器(DeiTs)のアンサンブルが従来のSOTA(SOTA)よりも大幅に優れていたことを示す。
テストしたすべてのデータセットに対して、新しいSOTAを実現し、以前のSOTAの18.48%から87.50%の誤差を削減した。
論文 参考訳（メタデータ） (2022-03-03T14:16:22Z) - An Efficient Insect Pest Classification Using Multiple Convolutional
Neural Network Based Models [0.3222802562733786]
昆虫の分類は、様々な種類、スケール、形状、フィールドの複雑な背景、昆虫種間の外観的類似性から難しい課題である。
本研究では、注目、特徴ピラミッド、きめ細かいモデルを含む、さまざまな畳み込みニューラルネットワークベースのモデルを提示する。
実験の結果、これらの畳み込みニューラルネットワークベースのモデルを組み合わせることで、これらの2つのデータセットの最先端の手法よりもパフォーマンスが向上することが示された。
論文 参考訳（メタデータ） (2021-07-26T12:53:28Z) - Two-View Fine-grained Classification of Plant Species [66.75915278733197]
本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。
シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
論文 参考訳（メタデータ） (2020-05-18T21:57:47Z) - 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。