Fugu-MT 論文翻訳(概要): Can poachers find animals from public camera trap images?

論文の概要: Can poachers find animals from public camera trap images?

arxiv url: http://arxiv.org/abs/2106.11236v1
Date: Mon, 21 Jun 2021 16:31:47 GMT
ステータス: 処理完了
システム内更新日: 2021-06-22 15:45:22.246595
Title: Can poachers find animals from public camera trap images?
Title（参考訳）: 公共カメラのトラップ画像から動物を見つけることができるのか?
Authors: Sara Beery, Elizabeth Bondi
Abstract要約: カメラトラップ位置のプライバシー維持のためのジオ・オブファシケーションの堅牢性について検討する。単純な直観と一般に利用可能な衛星は、カメラを含む可能性のある領域を87%削減するために使用することができる。
参考スコア（独自算出の注目度）: 14.61316451496861
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: To protect the location of camera trap data containing sensitive, high-target species, many ecologists randomly obfuscate the latitude and longitude of the camera when publishing their data. For example, they may publish a random location within a 1km radius of the true camera location for each camera in their network. In this paper, we investigate the robustness of geo-obfuscation for maintaining camera trap location privacy, and show via a case study that a few simple, intuitive heuristics and publicly available satellite rasters can be used to reduce the area likely to contain the camera by 87% (assuming random obfuscation within 1km), demonstrating that geo-obfuscation may be less effective than previously believed.
Abstract（参考訳）: 感度の高い高目標種を含むカメラトラップデータの位置を保護するため、多くの生態学者は、データを公開する際にカメラの緯度と経度をランダムに無視する。例えば、ネットワーク内の各カメラに対して、真のカメラ位置の半径1km以内のランダムな位置をパブリッシュすることができる。本稿では,カメラトラップ位置のプライバシーを維持するためのジオ・オブファシケーションの堅牢性について検討し,いくつかの単純で直感的なヒューリスティックと一般公開されたサテライト・ラスタを用いて,カメラを含む可能性のある領域を87%(ランダム・オブファシケーションが1km以内であれば)削減できることを示し,ジオ・オブファシケーションが従来考えられていたよりも有効でないことを示す。

関連論文リスト

CamLoPA: A Hidden Wireless Camera Localization Framework via Signal Propagation Path Analysis [59.86280992504629]
CamLoPAは、トレーニング不要の無線カメラ検出およびローカライゼーションフレームワークである。低コストの商用オフ・ザ・シェルフ(COTS)デバイスを使用して、最小限の活動空間制約で運用する。 95.37%のスヌーピングカメラ検出精度と17.23の平均位置誤差を達成する。
論文参考訳（メタデータ） (2024-09-23T16:23:50Z)
Zone Evaluation: Revealing Spatial Bias in Object Detection [69.59295428233844]
物体検出器の基本的限界は、それらが「空間バイアス」に苦しむことである。本稿では,ゾーン間の検出性能を計測する新しいゾーン評価プロトコルを提案する。初めて数値的な結果が得られ、対象検出器はゾーンにわたって非常に不均一に機能することを示した。
論文参考訳（メタデータ） (2023-10-20T01:44:49Z)
Privacy-Preserving Representations are not Enough -- Recovering Scene Content from Camera Poses [63.12979986351964]
既存のプライバシ保護ローカライゼーションの取り組みは、クラウドベースのサービスにアクセス可能な攻撃者に対して防御することを目的としている。攻撃者は、単にローカライズサービスに問い合わせるだけで、アクセスすることなくシーンの詳細を知ることができることを示す。
論文参考訳（メタデータ） (2023-05-08T10:25:09Z)
Privacy-Preserving Visual Localization with Event Cameras [13.21898697942957]
イベントカメラは、高いダイナミックレンジと小さな動きのぼかしのために、ロバストなローカライゼーションを実現する可能性がある。本稿では、局所化に先立ってイベント・ツー・イメージ変換を適用し、安定した局所化を実現することを提案する。プライバシの観点からは、イベントカメラは通常のカメラと比べてわずかに視覚情報をキャプチャする。
論文参考訳（メタデータ） (2022-12-04T07:22:17Z)
Drone Detection and Tracking in Real-Time by Fusion of Different Sensing Modalities [66.4525391417921]
マルチセンサ・ドローン検知システムの設計と評価を行う。われわれのソリューションは、魚眼カメラを統合し、空の広い部分を監視し、他のカメラを興味ある対象に向けて操縦する。このサーマルカメラは、たとえこのカメラが解像度が低いとしても、ビデオカメラと同じくらい実現可能なソリューションであることが示されている。
論文参考訳（メタデータ） (2022-07-05T10:00:58Z)
Safeguarding National Security Interests Utilizing Location-Aware Camera Devices [0.0]
本稿では,スマートカメラによる感度領域の画像のキャプチャと保存を制限したGlobal Positioning Systemに基づくアプローチを提案する。本研究は、スマートカメラによる感度領域の画像のキャプチャと保存能力を制限するための、グローバル測位システムに基づくアプローチを提案する。
論文参考訳（メタデータ） (2022-05-06T16:06:37Z)
Deep Learning Approach Protecting Privacy in Camera-Based Critical Applications [57.93313928219855]
カメラベースシステムにおけるプライバシー保護のためのディープラーニングアプローチを提案する。我々の手法は、アプリケーションで必要とされない直感に基づいて、正当性(視覚的に顕著な)と非正則性(非正則性)を区別する。
論文参考訳（メタデータ） (2021-10-04T19:16:27Z)
Cross-Camera Feature Prediction for Intra-Camera Supervised Person Re-identification across Distant Scenes [70.30052164401178]
人物再識別(Re-ID)は、重複しないカメラビュー間で人物画像をマッチングすることを目的としている。 ICS-DS Re-IDは、カメラ内IDラベル付きクロスカメラアンペアデータを使用してトレーニングを行う。カメラ横断型自己監視情報マイニングのためのクロスカメラ特徴予測法グローバルレベルの特徴とローカルレベルの特徴の合同学習は、グローバルなローカルなクロスカメラ特徴予測スキームを形成する。
論文参考訳（メタデータ） (2021-07-29T11:27:50Z)
How low can you go? Privacy-preserving people detection with an omni-directional camera [2.433293618209319]
本研究では,天井に設置した全方位カメラを用いて,室内の人物を検知する。これは会議室の占有度を測定し、利用可能なフレキシブルデスク作業スペースの量をカウントするためのセンサーとして使用することができる。
論文参考訳（メタデータ） (2020-07-09T10:10:23Z)
The iWildCam 2020 Competition Dataset [9.537627294351292]
カメラトラップは大量の画像データの自動収集を可能にする。我々は最近,カメラトラップ画像における自動種分類への取り組みを進めている。トレーニングデータとテストデータが、さまざまなカメラから世界中に分散している課題を準備しました。課題は、テストカメラトラップ内の種を正しく分類することだ。
論文参考訳（メタデータ） (2020-04-21T23:25:13Z)
On Localizing a Camera from a Single Image [9.049593493956008]
カメラが撮影した1枚の画像からカメラの位置を推定できることを示す。人間の作業者による投影幾何学,ニューラルネットワーク,クラウドソースアノテーションの法的な組み合わせを用いて,テストデータセット内の画像の95%を12m以内の位置に配置できることを示す。
論文参考訳（メタデータ） (2020-03-24T05:09:01Z)

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。