論文の概要: The Animal ID Problem: Continual Curation
- arxiv url: http://arxiv.org/abs/2106.10377v1
- Date: Fri, 18 Jun 2021 22:32:11 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-22 15:50:51.842662
- Title: The Animal ID Problem: Continual Curation
- Title（参考訳）: 動物ID問題:継続的なキュレーション
- Authors: Charles V. Stewart, Jason R. Parham, Jason Holmberg and Tanya Y.
Berger-Wolf
- Abstract要約: 本稿では,画像と動物識別の人間機械による連続的なキュレーションとして,問題を定式化することを提案する。
これはオープンワールド認識の問題であり、アルゴリズムが最初に訓練され、デプロイされた後、ほとんどの新しい動物がシステムに入る。
システム全体の性能の重要な指標は、必要な人間の入力量の関数としての精度である。
- 参考スコア（独自算出の注目度）: 1.42993550897239
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Hoping to stimulate new research in individual animal identification from
images, we propose to formulate the problem as the human-machine Continual
Curation of images and animal identities. This is an open world recognition
problem, where most new animals enter the system after its algorithms are
initially trained and deployed. Continual Curation, as defined here, requires
(1) an improvement in the effectiveness of current recognition methods, (2) a
pairwise verification algorithm that allows the possibility of no decision, and
(3) an algorithmic decision mechanism that seeks human input to guide the
curation process. Error metrics must evaluate the ability of recognition
algorithms to identify not only animals that have been seen just once or twice
but also recognize new animals not in the database. An important measure of
overall system performance is accuracy as a function of the amount of human
input required.
- Abstract（参考訳）: 画像から個々の動物の識別に関する新たな研究を刺激するために,画像と動物の識別の人間・機械による連続的なキュレーションを定式化することを提案する。
これはオープンワールド認識の問題であり、アルゴリズムが最初に訓練され、デプロイされた後、ほとんどの新しい動物がシステムに入る。
ここで定義する連続的キュレーションは、(1)現在の認識方法の有効性の向上、(2)無決定の可能性を可能にするペアワイズ検証アルゴリズム、(3)キュレーションプロセスを導くために人間の入力を求めるアルゴリズム的決定機構を必要とする。
エラーメトリクスは、1回または2回だけ見ただけでなく、データベースにない新しい動物を認識するための認識アルゴリズムの能力を評価する必要がある。
システム全体の性能の重要な指標は、人間の入力量の関数としての精度である。
関連論文リスト
- Computer Vision for Primate Behavior Analysis in the Wild [61.08941894580172]
ビデオに基づく行動監視は、動物の認知と行動を研究する方法を変える大きな可能性を秘めている。
今でも、エキサイティングな見通しと、今日実際に達成できるものの間には、かなり大きなギャップがある。
論文 参考訳（メタデータ） (2024-01-29T18:59:56Z) - CNN-Based Action Recognition and Pose Estimation for Classifying Animal
Behavior from Videos: A Survey [0.0]
アクション認識(Action Recognition)は、1つ以上の被験者がトリミングされたビデオで行う活動の分類であり、多くの技術の基礎を形成する。
人間の行動認識のためのディープラーニングモデルは、過去10年間に進歩してきた。
近年,深層学習に基づく行動認識を取り入れた研究への関心が高まっている。
論文 参考訳（メタデータ） (2023-01-15T20:54:44Z) - PosePipe: Open-Source Human Pose Estimation Pipeline for Clinical
Research [0.0]
我々は臨床現場で取得したデータに対して最先端のアルゴリズムの実行を容易にする人間のポーズ推定パイプラインを開発する。
本研究の目的は,新しいアルゴリズムの訓練ではなく,臨床・翻訳研究における最先端のポーズ推定アルゴリズムの活用を推し進めることである。
論文 参考訳（メタデータ） (2022-03-16T17:54:37Z) - Persistent Animal Identification Leveraging Non-Visual Markers [71.14999745312626]
乱雑なホームケージ環境下で各マウスにユニークな識別子を時間をかけて発見し提供することを目的としている。
これは、(i)各マウスの視覚的特徴の区別の欠如、(ii)一定の閉塞を伴うシーンの密閉性のため、非常に難しい問題である。
本手法は, この動物識別問題に対して77%の精度を達成し, 動物が隠れているときの急激な検出を拒否することができる。
論文 参考訳（メタデータ） (2021-12-13T17:11:32Z) - Perspectives on individual animal identification from biology and
computer vision [58.81800919492064]
計算機科学者と生物学者の両方に利用可能なツールの概要を提供するコンピュータビジョン識別技術の最近の進歩を概観する。
動物識別プロジェクトを始めるための勧告を提示し、現在の限界を説明し、将来どのように対処されるかを提案する。
論文 参考訳（メタデータ） (2021-02-28T16:50:09Z) - An explainable deep vision system for animal classification and
detection in trail-camera images with automatic post-deployment retraining [0.0]
本稿では,テキサス・パークス野生生物局の管理下にあるフィールドから撮影したトレイルカメラ画像における動物検出のための自動視覚システムについて紹介する。
2段階の深層畳み込みニューラルネットワークパイプラインを実装し,動物を含む画像を第1段階で発見し,その画像を処理して第2段階の鳥を検出する。
動物分類システムは、動物画像の感度を93%、特異度を96%と分類する。鳥類検出システムは、感度を93%以上、特異度を92%、インターセクション・オーバー・ユニオン率を68%以上達成する。
論文 参考訳（メタデータ） (2020-10-22T06:29:55Z) - Visual Identification of Individual Holstein-Friesian Cattle via Deep
Metric Learning [8.784100314325395]
ホルシュタイン・フリーズ産の牛は、チューリングの反応拡散系から生じたものと類似した、個々の特性の白黒のコートパターンを視覚的に示す。
この研究は、畳み込みニューラルネットワークとディープメトリック学習技術を介して、個々のホルシュタイン・フリース人の視覚的検出と生体認証を自動化するために、これらの自然なマーキングを利用する。
論文 参考訳（メタデータ） (2020-06-16T14:41:55Z) - Transferring Dense Pose to Proximal Animal Classes [83.84439508978126]
より一般的な対象検出器やセグメンタなどと同様に、密集したポーズ認識に存在する知識を、他のクラスにおける密集したポーズ認識の問題に移すことが可能であることを示す。
我々は、人間と幾何学的に整合した新しい動物のためのDensePoseモデルを確立することでこれを行う。
また、クラスチンパンジーにDensePoseの方法でラベル付けされた2つのベンチマークデータセットを導入し、アプローチを評価するためにそれらを使用します。
論文 参考訳（メタデータ） (2020-02-28T21:43:53Z) - Automatic Gesture Recognition in Robot-assisted Surgery with
Reinforcement Learning and Tree Search [63.07088785532908]
共同手術におけるジェスチャー分割と分類のための強化学習と木探索に基づく枠組みを提案する。
我々のフレームワークは,JIGSAWSデータセットのサチューリングタスクにおいて,精度,編集スコア,F1スコアの点で,既存の手法よりも一貫して優れています。
論文 参考訳（メタデータ） (2020-02-20T13:12:38Z) - Continuous Emotion Recognition via Deep Convolutional Autoencoder and
Support Vector Regressor [70.2226417364135]
マシンはユーザの感情状態を高い精度で認識できることが不可欠である。
ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。
表情認識に基づく連続的感情認識のための新しいモデルを提案する。
論文 参考訳（メタデータ） (2020-01-31T17:47:16Z)
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。