論文の概要: Florida Wildlife Camera Trap Dataset
- arxiv url: http://arxiv.org/abs/2106.12628v1
- Date: Wed, 23 Jun 2021 18:53:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-25 14:58:05.333309
- Title: Florida Wildlife Camera Trap Dataset
- Title（参考訳）: フロリダ野生生物カメラトラップデータセット
- Authors: Crystal Gagne, Jyoti Kini, Daniel Smith, Mubarak Shah
- Abstract要約: フロリダ州南西部の2つの異なる場所から収集された野生生物カメラトラップ分類データセットについて紹介する。
データセットは104,495枚の画像からなり、視覚的に類似した種、様々な照明条件、スキュードクラス分布、絶滅危惧種のサンプルを含む。
- 参考スコア（独自算出の注目度）: 48.99466876948454
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Trail camera imagery has increasingly gained popularity amongst biologists
for conservation and ecological research. Minimal human interference required
to operate camera traps allows capturing unbiased species activities. Several
studies - based on human and wildlife interactions, migratory patterns of
various species, risk of extinction in endangered populations - are limited by
the lack of rich data and the time-consuming nature of manually annotating
trail camera imagery. We introduce a challenging wildlife camera trap
classification dataset collected from two different locations in Southwestern
Florida, consisting of 104,495 images featuring visually similar species,
varying illumination conditions, skewed class distribution, and including
samples of endangered species, i.e. Florida panthers. Experimental evaluations
with ResNet-50 architecture indicate that this image classification-based
dataset can further push the advancements in wildlife statistical modeling. We
will make the dataset publicly available.
- Abstract（参考訳）: トレイルカメラの画像は、保護と生態研究のために生物学者の間で人気が高まっている。
カメラトラップを操作するのに必要な最小限の人間の干渉は、偏見のない種の活動を捉えることができる。
人類と野生生物の相互作用、様々な種の移動パターン、絶滅危惧種の絶滅リスクなどに基づくいくつかの研究は、豊富なデータ不足と、手動で注釈付けされたトレイルカメラ画像の時間的特性によって制限されている。
フロリダ州南西部の2つの異なる場所から収集された野生生物カメラトラップ分類データセットについて,視覚に類似した種を特徴とする104,495枚の画像,照明条件の相違,類型分布,絶滅危惧種のサンプルなどを紹介する。
フロリダ・パンサー。
ResNet-50アーキテクチャによる実験的評価は、この画像分類に基づくデータセットが野生生物統計モデリングのさらなる進歩を推し進めることを示している。
私たちはデータセットを公開します。
関連論文リスト
- Multimodal Foundation Models for Zero-shot Animal Species Recognition in
Camera Trap Images [57.96659470133514]
モーションアクティベートカメラトラップは、世界中の野生生物を追跡・監視するための効率的なツールである。
教師付き学習技術は、そのような画像を分析するためにうまく展開されているが、そのような訓練には専門家のアノテーションが必要である。
コストのかかるラベル付きデータへの依存を減らすことは、人間の労働力を大幅に減らした大規模野生生物追跡ソリューションを開発する上で、大きな可能性を秘めている。
論文 参考訳（メタデータ） (2023-11-02T08:32:00Z) - 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) - Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。
従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。
本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
論文 参考訳（メタデータ） (2023-06-05T03:36:01Z) - Application of deep learning to camera trap data for ecologists in
planning / engineering -- Can captivity imagery train a model which
generalises to the wild? [0.0]
ディープラーニングモデルは、カメラトラップ画像内の動物を自動的に検出し、分類するように訓練することができる。
本研究は,稀少動物の画像を用いて訓練データセットを生成する手法を提案する。
論文 参考訳（メタデータ） (2021-11-24T21:29:14Z) - OOWL500: Overcoming Dataset Collection Bias in the Wild [45.494056340200956]
オンラインで収集された画像データセットは、偏見のあるオブジェクト認識を生成できるという仮説が研究されている。
新たな"in the lab"データ収集インフラストラクチャが提案されている。
安価で容易に複製できる性質は、ビジョンコミュニティによるスケーラブルなデータ収集の取り組みにつながる可能性もあります。
論文 参考訳（メタデータ） (2021-08-24T23:22:53Z) - The iWildCam 2021 Competition Dataset [5.612688040565423]
生態学者は、世界中の動物集団を監視するためにカメラトラップを使用します。
種の豊富さを推定するには、生態学者はどの種が見られたかだけでなく、各種の個体数を知る必要がある。
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。
論文 参考訳（メタデータ） (2021-05-07T20:27:22Z) - WhoAmI: An Automatic Tool for Visual Recognition of Tiger and Leopard
Individuals in the Wild [3.1708876837195157]
我々は,動物を識別し,動物の種類を特定し,2種の個体を識別する自動アルゴリズムを開発した。
本研究では,南インドのジャングルに記録されたカメラトラップ画像のデータセットに対するアプローチの有効性を示す。
論文 参考訳（メタデータ） (2020-06-17T16:17:46Z) - Sequence Information Channel Concatenation for Improving Camera Trap
Image Burst Classification [1.94742788320879]
カメラトラップは、生態系を乱すことなく、野生生物を自然の生息地で観察するために広く使用されている。
現在、世界中の様々な生態保護地域に大量のカメラトラップが配備されており、数十年にわたってデータを収集している。
既存のシステムは、画像が動物を含むかどうかを単一の画像から判断する分類を行う。
本研究では, チャネル間の3次元バースト画像とシーケンス情報を含むコンカレントマスクを用いて, ROC AUCを未知のカメラサイトからテストセットで20%改善することを示した。
論文 参考訳（メタデータ） (2020-04-30T21:47:14Z) - 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。