論文の概要: A Review of Computer Vision Technologies for Fish Tracking
- arxiv url: http://arxiv.org/abs/2110.02551v1
- Date: Wed, 6 Oct 2021 07:46:35 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-07 14:26:13.098040
- Title: A Review of Computer Vision Technologies for Fish Tracking
- Title（参考訳）: 魚類追跡のためのコンピュータビジョン技術の概要
- Authors: Zhenbo Li, Weiran Li, Fei Li
- Abstract要約: 我々は過去10年間の視覚に基づく魚の追跡技術の開発と応用の可能性について紹介する。
魚の検出・追跡アルゴリズムを解析し,移動可能なフロンティア追跡モデルを整理した。
我々の研究は、魚の追跡モデルがより精度と堅牢性を達成するのに役立つと期待している。
- 参考スコア（独自算出の注目度）: 3.915398180144146
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Fish tracking based on computer vision is a complex and challenging task in
fishery production and ecological studies. Most of the applications of fish
tracking use classic filtering algorithms, which lack in accuracy and
efficiency. To solve this issue, deep learning methods utilized deep neural
networks to extract the features, which achieve a good performance in the fish
tracking. Some one-stage detection algorithms have gradually been adopted in
this area for the real-time applications. The transfer learning to fish target
is the current development direction. At present, fish tracking technology is
not enough to cover actual application requirements. According to the
literature data collected by us, there has not been any extensive review about
vision-based fish tracking in the community. In this paper, we introduced the
development and application prospects of fish tracking technology in last ten
years. Firstly, we introduced the open source datasets of fish, and summarized
the preprocessing technologies of underwater images. Secondly, we analyzed the
detection and tracking algorithms for fish, and sorted out some transferable
frontier tracking model. Thirdly, we listed the actual applications, metrics
and bottlenecks of the fish tracking such as occlusion and multi-scale.
Finally, we give the discussion for fish tracking datasets, solutions of the
bottlenecks, and improvements. We expect that our work can help the fish
tracking models to achieve higher accuracy and robustness.
- Abstract（参考訳）: コンピュータビジョンに基づく魚類追跡は漁業生産と生態学研究において複雑で困難な課題である。
魚追跡のほとんどのアプリケーションは、精度と効率に欠ける古典的なフィルタリングアルゴリズムを使用している。
この問題を解決するため,深層ニューラルネットワークを用いて特徴を抽出し,魚の追跡性能を向上した。
いくつかの一段階検出アルゴリズムがこの分野でリアルタイムアプリケーションに徐々に採用されている。
魚標的への移動学習は現在の発展方向である。
現在、魚追跡技術は実際のアプリケーション要件をカバーするには不十分である。
我々の収集した文献データによると、地域社会における視線に基づく魚の追跡に関する詳細な調査は行われていない。
本稿では,過去10年間の魚類追跡技術の発展と応用の可能性について紹介する。
まず,魚のオープンソースデータセットを導入し,水中画像の前処理技術を要約した。
次に,魚の検出・追跡アルゴリズムを解析し,移動可能なフロンティア追跡モデルを整理した。
第3に,オクルージョンやマルチスケールといった魚追跡の実際の応用,指標,ボトルネックを列挙した。
最後に、魚の追跡データセット、ボトルネックの解決策、改善について議論する。
我々の研究は、魚の追跡モデルがより精度と堅牢性を達成するのに役立つと期待している。
関連論文リスト
- Underwater Object Detection in the Era of Artificial Intelligence: Current, Challenge, and Future [119.88454942558485]
水中物体検出(UOD)は、水中の画像やビデオ中の物体を識別し、ローカライズすることを目的としている。
近年、人工知能(AI)に基づく手法、特に深層学習法は、UODにおいて有望な性能を示している。
論文 参考訳（メタデータ） (2024-10-08T00:25:33Z) - Fish Tracking Challenge 2024: A Multi-Object Tracking Competition with Sweetfish Schooling Data [0.6834295298053009]
魚追跡チャレンジ2024では、学校用サツマイモの行動に焦点を当てた多目的追跡コンペティションが導入されている。
SweetFishデータセットを使用することで、参加者は10種のサツマイモの位置を同時に正確に監視する高度な追跡モデルの開発を任される。
ビデオデータとバウンディングボックスアノテーションを活用することで、このコンペティションは自動検出と追跡アルゴリズムの革新を促進することを目指している。
論文 参考訳（メタデータ） (2024-08-31T03:26:53Z) - Fish-Vista: A Multi-Purpose Dataset for Understanding & Identification of Traits from Images [19.539428709275917]
フィッシュ・ビジュアル・トレイト・アナリティクス(英: Fish-Visual Trait Analysis)は、1900の異なる種にまたがる約60万点の魚画像の大規模な注釈付きコレクションである。
Fish-Vistaは、各画像に存在する様々な視覚特性のきめ細かいラベルを提供する。
また、2427枚の魚の画像に対して9つの異なる特徴のピクセルレベルのアノテーションを提供する。
論文 参考訳（メタデータ） (2024-07-10T20:10:56Z) - Improving Underwater Visual Tracking With a Large Scale Dataset and
Image Enhancement [70.2429155741593]
本稿では,水中ビジュアルオブジェクト追跡(UVOT)のための新しいデータセットと汎用トラッカ拡張手法を提案する。
水中環境は、一様でない照明条件、視界の低さ、鋭さの欠如、コントラストの低さ、カモフラージュ、懸濁粒子からの反射を示す。
本研究では,追尾品質の向上に特化して設計された水中画像強調アルゴリズムを提案する。
この手法により、最先端(SOTA)ビジュアルトラッカーの最大5.0%のAUCの性能が向上した。
論文 参考訳（メタデータ） (2023-08-30T07:41:26Z) - Applications of Deep Learning in Fish Habitat Monitoring: A Tutorial and
Survey [1.9249287163937976]
ディープラーニング(DL)は最先端のAI技術であり、ビジュアルデータを分析する上で前例のないパフォーマンスを示している。
本稿では,DLの重要な概念を網羅するチュートリアルを紹介し,DLの動作に関する高レベルな理解を支援する。
チュートリアルではまた、水中魚のモニタリングのような挑戦的な応用のために、DLアルゴリズムをどのように開発すべきかをステップバイステップで説明する。
論文 参考訳（メタデータ） (2022-06-11T01:59:54Z) - Visual Object Tracking with Discriminative Filters and Siamese Networks:
A Survey and Outlook [97.27199633649991]
識別相関フィルタ (DCF) とディープシームズネットワーク (SN) が支配的な追跡パラダイムとして出現している。
本調査では,9つのトラッキングベンチマークの結果に基づいて,90以上のDCFとSiameseトラッカーの体系的,徹底的なレビューを行う。
論文 参考訳（メタデータ） (2021-12-06T07:57:10Z) - Deep Learning for Embodied Vision Navigation: A Survey [108.13766213265069]
身体的視覚ナビゲーション」問題では、エージェントが3D環境をナビゲートする必要がある。
本稿では、総合的な文献調査を提供することで、視覚ナビゲーションの具体的分野における現在の研究の概要を確立することを試みる。
論文 参考訳（メタデータ） (2021-07-07T12:09:04Z) - Tuna Nutriment Tracking using Trajectory Mapping in Application to
Aquaculture Fish Tank [0.0]
タンク内の魚の状態を推定し、栄養素の量を調整することは、魚の給餌システムのコスト管理に重要な役割を担っている。
本手法は,養殖魚養殖場から採取したビデオの栄養状態の追跡に基づく。
論文 参考訳（メタデータ） (2021-03-10T06:02:19Z) - Movement Tracks for the Automatic Detection of Fish Behavior in Videos [63.85815474157357]
水中ビデオでサブルフィッシュ(Anoplopoma fimbria)の発芽行動のデータセットを提供し,その上での深層学習(DL)法による行動検出について検討した。
提案する検出システムは,Long Short-Term Memory(LSTM)ネットワークを用いて,サブルフィッシュの起動動作を識別する。
論文 参考訳（メタデータ） (2020-11-28T05:51:19Z) - Deep Learning for Sensor-based Human Activity Recognition: Overview,
Challenges and Opportunities [52.59080024266596]
本稿では,センサを用いた人間の活動認識のための最先端のディープラーニング手法について調査する。
まず、官能データのマルチモーダリティを導入し、公開データセットに情報を提供する。
次に、課題によって深層メソッドを構築するための新しい分類法を提案する。
論文 参考訳（メタデータ） (2020-01-21T09:55:59Z)
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。