論文の概要: Automated Aerial Animal Detection When Spatial Resolution Conditions Are Varied

• arxiv url: http://arxiv.org/abs/2110.01329v1
• Date: Mon, 4 Oct 2021 11:20:14 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-05 15:41:24.523535
• Title: Automated Aerial Animal Detection When Spatial Resolution Conditions Are Varied
• Title（参考訳）: 空間分解能条件が変化する場合の自動空中動物検出
• Authors: Jasper Brown, Yongliang Qiao, Cameron Clark, Sabrina Lomax, Khalid Rafique, Salah Sukkarieh
• Abstract要約: 家畜がどこにあるかを知ることは、最適化された管理と調整を可能にする。 衛星画像の解析による効果的な動物の位置決めとカウントは、この管理のハードルを克服する。 高解像度衛星画像は高価であり、コストを最小限に抑えるため、正確な家畜検出を可能にする最小の空間解像度データを選択すべきである。
• 参考スコア（独自算出の注目度）: 3.303008003874495
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Knowing where livestock are located enables optimized management and mustering. However, Australian farms are large meaning that many of Australia's livestock are unmonitored which impacts farm profit, animal welfare and the environment. Effective animal localisation and counting by analysing satellite imagery overcomes this management hurdle however, high resolution satellite imagery is expensive. Thus, to minimise cost the lowest spatial resolution data that enables accurate livestock detection should be selected. In our work, we determine the association between object detector performance and spatial degradation for cattle, sheep and dogs. Accurate ground truth was established using high resolution drone images which were then downsampled to various ground sample distances (GSDs). Both circular and cassegrain aperture optics were simulated to generate point spread functions (PSFs) corresponding to various optical qualities. By simulating the PSF, rather than approximating it as a Gaussian, the images were accurately degraded to match the spatial resolution and blurring structure of satellite imagery. Two existing datasets were combined and used to train and test a YoloV5 object detection network. Detector performance was found to drop steeply around a GSD of 0.5m/px and was associated with PSF matrix structure within this GSD region. Detector mAP performance fell by 52 percent when a cassegrain, rather than circular, aperture was used at a 0.5m/px GSD. Overall blurring magnitude also had a small impact when matched to GSD, as did the internal network resolution. Our results here inform the selection of remote sensing data requirements for animal detection tasks, allowing farmers and ecologists to use more accessible medium resolution imagery with confidence.
• Abstract（参考訳）: 家畜がどこにあるかを知ることは、最適化された管理と調整を可能にする。 しかし、オーストラリアの農場は農業の利益、動物福祉、環境に影響を及ぼす家畜の多くが監視されていないという大きな意味を持つ。 衛星画像の解析による効果的な動物像定位と計数は、この管理ハードルを克服するが、高解像度衛星画像は高価である。 したがって、コストを最小限に抑えるために、正確な家畜検出を可能にする最低空間分解能データを選択する必要がある。 本研究では,牛,羊,犬における物体検出性能と空間劣化との関係について検討した。 精密な地中真理は、高解像度のドローン画像を用いて確立され、様々な地中サンプル距離(GSD)にダウンサンプリングされた。 各種光学特性に対応する点拡散関数 (PSF) を生成するために, 円形およびカセグリン開口光学の両方をシミュレーションした。 ガウシアンとして近似するのではなく、PSFをシミュレートすることで、衛星画像の空間分解能とぼやけた構造を正確に分解した。 既存の2つのデータセットを組み合わせて、YoloV5オブジェクト検出ネットワークをトレーニングし、テストした。 検出器性能は0.5m/pxのGSD付近で急降下し, このGSD領域のPSFマトリックス構造と関連していた。 直径0.5m/px gsdでカセグリンを用いた場合、検出器マップの性能は52%低下した。 全体的なぼやけたマグニチュードは、内部ネットワークの解像度と同様、gsdに匹敵する影響も小さかった。 本研究は,動物検出タスクにおけるリモートセンシングデータ要求の選択を通知し,農家や生態学者が安心して,よりアクセス可能な中分解能画像を利用できるようにした。

関連論文リスト

• Adaptive Domain Learning for Cross-domain Image Denoising [57.4030317607274]
  本稿では,クロスドメイン画像認識のための適応型ドメイン学習手法を提案する。 私たちは、異なるセンサー(ソースドメイン)からの既存のデータに加えて、新しいセンサー(ターゲットドメイン)からの少量のデータを使用します。 ADLトレーニングスキームは、ターゲットドメインのモデルを微調整するのに有害なソースドメイン内のデータを自動的に削除する。 また,センサ固有の情報(センサタイプとISO)を取り入れ,画像認識のための入力データを理解するための変調モジュールも導入した。
  論文  参考訳（メタデータ） (2024-11-03T08:08:26Z)
• Plant detection from ultra high resolution remote sensing images: A Semantic Segmentation approach based on fuzzy loss [2.6489824612123716]
  超高解像度(UHR)リモートセンシング画像から植物種を識別する課題に取り組む。 我々のアプローチは、ミリレベルの空間分解能を特徴とするRGBリモートセンシングデータセットの導入である。 UHRデータセットと公開データセットの両方で得られた最初の実験結果が提示され、提案手法の妥当性が示された。
  論文  参考訳（メタデータ） (2024-08-31T17:40:17Z)
• Vision Transformers, a new approach for high-resolution and large-scale mapping of canopy heights [50.52704854147297]
  分類(離散化)と連続損失関数を最適化した新しい視覚変換器(ViT)モデルを提案する。 このモデルは、従来使用されていた畳み込みベースのアプローチ(ConvNet)よりも、連続損失関数のみで最適化された精度が向上する。
  論文  参考訳（メタデータ） (2023-04-22T22:39:03Z)
• Fewer is More: Efficient Object Detection in Large Aerial Images [59.683235514193505]
  本稿では,検出者がより少ないパッチに注目するのに対して,より効率的な推論とより正確な結果を得るのに役立つObjectness Activation Network(OAN)を提案する。 OANを用いて、5つの検出器は3つの大規模な空中画像データセットで30.0%以上のスピードアップを取得する。 我々はOANをドライブシーン物体検出と4Kビデオ物体検出に拡張し,検出速度をそれぞれ112.1%,75.0%向上させた。
  論文  参考訳（メタデータ） (2022-12-26T12:49:47Z)
• Progressive Domain Adaptation with Contrastive Learning for Object Detection in the Satellite Imagery [0.0]
  最先端のオブジェクト検出手法は、小さくて密度の高いオブジェクトを特定するのにほとんど失敗している。 本稿では,特徴抽出プロセスを改善する小型物体検出パイプラインを提案する。 未確認データセットにおけるオブジェクト識別の劣化を緩和できることを示す。
  論文  参考訳（メタデータ） (2022-09-06T15:16:35Z)
• Beyond Cross-view Image Retrieval: Highly Accurate Vehicle Localization Using Satellite Image [91.29546868637911]
  本稿では,地上画像と架空衛星地図とをマッチングすることにより,車載カメラのローカライゼーションの問題に対処する。 鍵となる考え方は、タスクをポーズ推定として定式化し、ニューラルネットベースの最適化によってそれを解くことである。 標準自動運転車のローカライゼーションデータセットの実験により,提案手法の優位性が確認された。
  論文  参考訳（メタデータ） (2022-04-10T19:16:58Z)
• SALISA: Saliency-based Input Sampling for Efficient Video Object Detection [58.22508131162269]
  ビデオオブジェクト検出のための新しい一様SALiencyベースの入力SAmpling技術であるSALISAを提案する。 SALISAは小物体の検出を著しく改善することを示す。
  論文  参考訳（メタデータ） (2022-04-05T17:59:51Z)
• Manipulating UAV Imagery for Satellite Model Training, Calibration and Testing [4.514832807541816]
  現代の家畜の農業はますますデータ駆動化が進み、広範囲のデータを収集するために効率的なリモートセンシングに依存している。 衛星画像はそのようなデータソースの1つであり、カバー範囲が増加しコストが低下するにつれて、農家にとってアクセスしやすくなっている。 本稿では,衛星データの品質に合わせた高分解能UAV画像の多時間データセットを提案する。
  論文  参考訳（メタデータ） (2022-03-22T03:57:02Z)
• Small or Far Away? Exploiting Deep Super-Resolution and Altitude Data for Aerial Animal Surveillance [3.8015092217142223]
  本研究では,全体的注目ネットワークに基づく超解像手法と,カスタム構築された高度データ利用ネットワークにより,実環境における検出の有効性が向上することを示す。 SAVMAP と AED の2つの大型航空捕獲動物データセットを用いて,本システムの評価を行った。
  論文  参考訳（メタデータ） (2021-11-12T17:30:55Z)
• AdaZoom: Adaptive Zoom Network for Multi-Scale Object Detection in Large Scenes [57.969186815591186]
  大規模なシーンの検出は、小さなオブジェクトと極端なスケールの変動のために難しい問題である。 本稿では,物体検出のための焦点領域を適応的に拡大するために,フレキシブルな形状と焦点長を有する選択的拡大器として,新しい適応型Zoom(AdaZoom)ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-06-19T03:30:22Z)
• Estimates of maize plant density from UAV RGB images using Faster-RCNN detection model: impact of the spatial resolution [2.757597890229683]
  高分解能(HR)画像は、初期段階に存在する小さな植物を検出するために必要である。 本研究では,イメージグラウンドサンプリング距離(GSD)が3-5葉のトウモロコシ植物検出性能に及ぼす影響について,Faster-RCNNを用いて検討した。
  論文  参考訳（メタデータ） (2021-05-25T11:54:51Z)

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。