論文の概要: Scorpion detection and classification systems based on computer vision
and deep learning for health security purposes
- arxiv url: http://arxiv.org/abs/2105.15041v1
- Date: Mon, 31 May 2021 15:26:09 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-01 17:37:40.632285
- Title: Scorpion detection and classification systems based on computer vision
and deep learning for health security purposes
- Title（参考訳）: コンピュータビジョンと深層学習に基づく健康安全のためのスコーピオン検出・分類システム
- Authors: Francisco Luis Giambelluca, Marcelo A. Cappelletti, Jorge Osio, Luis
A. Giambelluca
- Abstract要約: スコーピオンの2つの属の検出と分類のための2つの新しい自動およびリアルタイムシステムを開発した。
88%と91%の高精度な値、90%と97%の高精度なリコール値が両モデルで達成されている。
開発されたシステムは、他の属やスコーピオンに容易に拡張でき、これらの用途を利用できる領域を拡張することができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, two novel automatic and real-time systems for the detection
and classification of two genera of scorpions found in La Plata city
(Argentina) were developed using computer vision and deep learning techniques.
The object detection technique was implemented with two different methods, YOLO
(You Only Look Once) and MobileNet, based on the shape features of the
scorpions. High accuracy values of 88% and 91%, and high recall values of 90%
and 97%, have been achieved for both models, respectively, which guarantees
that they can successfully detect scorpions. In addition, the MobileNet method
has been shown to have excellent performance to detect scorpions within an
uncontrolled environment and to perform multiple detections. The MobileNet
model was also used for image classification in order to successfully
distinguish between dangerous scorpion (Tityus) and non-dangerous scorpion
(Bothriurus) with the purpose of providing a health security tool. Applications
for smartphones were developed, with the advantage of the portability of the
systems, which can be used as a help tool for emergency services, or for
biological research purposes. The developed systems can be easily scalable to
other genera and species of scorpions to extend the region where these
applications can be used.
- Abstract（参考訳）: 本稿では,la plata city (argentina) で発見された2属スコーピオンの検出と分類を行うための,コンピュータビジョンと深層学習技術を用いて,2つの新しい自動およびリアルタイムシステムを開発した。
オブジェクト検出技術は、スコーピオンの形状特性に基づいて、yolo (you only look once) とmobilenetという2つの異なる方法で実装された。
88%と91%の高精度な値、90%と97%の高速なリコール値が両モデルでそれぞれ達成されており、スコーピオンの検出に成功している。
さらに、MobileNet法は、制御されていない環境下でスコーピオンを検出し、複数の検出を行うのに優れた性能を示した。
画像分類には、危険なスコーピオン (tityus) と危険なスコーピオン (bothriurus) の区別に成功し、健康安全ツールの提供を目的としたmobilenetモデルも使用された。
スマートフォンのアプリケーションは、緊急サービスや生物学的研究のための支援ツールとして使用できるシステムの可搬性を利用して開発された。
開発したシステムは、他の属やスコーピオン種に容易に拡張でき、これらの用途が使用可能な領域を拡張することができる。
関連論文リスト
- Detecting Endangered Marine Species in Autonomous Underwater Vehicle Imagery Using Point Annotations and Few-Shot Learning [5.439798554380394]
AUV(Autonomous Underwater Vehicles)が収集した海底画像は、より広い生息環境の中で個人を特定するために利用することができる。
機械学習モデルは、訓練されたオブジェクト検出器を使用して、画像中の特定の種の存在を特定するために使用することができる。
本論文は, 数発学習における最近の研究に触発され, 一般的な海洋生物のイメージやアノテーションを利用して, 希少種と秘密種を識別する能力を高める。
論文 参考訳（メタデータ） (2024-06-04T03:31:42Z) - 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) - Neurosymbolic hybrid approach to driver collision warning [64.02492460600905]
自律運転システムには2つの主要なアルゴリズムアプローチがある。
ディープラーニングだけでは、多くの分野で最先端の結果が得られています。
しかし、ディープラーニングモデルが機能しない場合、デバッグが非常に難しい場合もあります。
論文 参考訳（メタデータ） (2022-03-28T20:29:50Z) - Novel scorpion detection system combining computer vision and
fluorescence [0.0]
コンピュータビジョンとディープラーニング技術を用いて,スコーピオン検出のための完全自動リアルタイムシステムを開発した。
このシステムは、スコーピオンの存在を正確かつ確実に検出することができる。
開発されたシステムは、スコーピオンによって放射される蛍光を可視化できる夜間や暗黒環境でしか利用できないが、スコーピオンの夜間活動は、この第2のバリデーション機構の組み入れを正当化する。
論文 参考訳（メタデータ） (2021-08-09T17:00:52Z) - Wide & Deep neural network model for patch aggregation in CNN-based
prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。
自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。
パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文 参考訳（メタデータ） (2021-05-20T18:13:58Z) - Anomaly Detection in Cybersecurity: Unsupervised, Graph-Based and
Supervised Learning Methods in Adversarial Environments [63.942632088208505]
現在の運用環境に固有ののは、敵対的機械学習の実践である。
本研究では,教師なし学習とグラフに基づく異常検出の可能性を検討する。
我々は,教師付きモデルの訓練時に,現実的な対人訓練機構を組み込んで,対人環境における強力な分類性能を実現する。
論文 参考訳（メタデータ） (2021-05-14T10:05:10Z) - Launching Adversarial Attacks against Network Intrusion Detection
Systems for IoT [5.077661193116692]
テクノロジーは、セキュリティが後発である利益主導のモノのインターネット市場にシフトしています。
従来の防御アプローチは、既知の攻撃と未知の攻撃の両方を高精度に検出するのに十分ではない。
機械学習による侵入検知システムは、未知の攻撃を高精度に特定することに成功した。
論文 参考訳（メタデータ） (2021-04-26T09:36:29Z) - Anchor-free Small-scale Multispectral Pedestrian Detection [88.7497134369344]
適応型単一段アンカーフリーベースアーキテクチャにおける2つのモードの効果的かつ効率的な多重スペクトル融合法を提案する。
我々は,直接的境界ボックス予測ではなく,対象の中心と規模に基づく歩行者表現の学習を目指す。
その結果,小型歩行者の検出における本手法の有効性が示唆された。
論文 参考訳（メタデータ） (2020-08-19T13:13:01Z) - Towards Efficient Processing and Learning with Spikes: New Approaches
for Multi-Spike Learning [59.249322621035056]
各種タスクにおける他のベースラインよりも優れた性能を示すための2つの新しいマルチスパイク学習ルールを提案する。
特徴検出タスクでは、教師なしSTDPの能力と、その制限を提示する能力を再検討する。
提案した学習ルールは,特定の制約を適用せずに,幅広い条件で確実にタスクを解くことができる。
論文 参考訳（メタデータ） (2020-05-02T06:41:20Z) - ParasNet: Fast Parasites Detection with Neural Networks [0.0]
ディープラーニングは、画像分類、オブジェクト検出、音声認識、薬物発見など、多くのアプリケーション領域のパフォーマンスを2012年以来劇的に向上させてきた。
我々の研究は、将来、リアルタイムかつ高精度なラベルフリー細胞レベルCryptosporidiumとGiardia検出システムに繋がる。
論文 参考訳（メタデータ） (2020-02-26T06:58:17Z) - Can't Boil This Frog: Robustness of Online-Trained Autoencoder-Based
Anomaly Detectors to Adversarial Poisoning Attacks [26.09388179354751]
本研究は,オンライン学習型オートエンコーダを用いたアタック検出装置に対する中毒攻撃に焦点を当てた最初の研究である。
提案アルゴリズムは, オートエンコーダ検出器によって検出されない標的攻撃の原因となる毒のサンプルを生成することができることを示す。
この発見は、サイバー物理領域で使用されるニューラルネットワークベースの攻撃検出器が、他の問題領域よりも毒性に強いことを示唆している。
論文 参考訳（メタデータ） (2020-02-07T12:41:28Z)
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。