論文の概要: A Survey of Fish Tracking Techniques Based on Computer Vision
- arxiv url: http://arxiv.org/abs/2110.02551v4
- Date: Mon, 6 Nov 2023 06:03:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-08 02:04:54.080686
- Title: A Survey of Fish Tracking Techniques Based on Computer Vision
- Title（参考訳）: コンピュータビジョンを用いた魚の追跡技術に関する調査研究
- Authors: Weiran Li, Zhenbo Li, Fei Li, Meng Yuan, Chaojun Cen, Yanyu Qi,
Qiannan Guo, You Li
- Abstract要約: 本稿では,過去7年間の魚類追跡技術の進歩を概観する。
基本的位置決めと追跡方法に重点を置き、多様な魚の追跡手法を探求する。
また、オープンソースのデータセット、評価指標、課題、魚の追跡研究への応用についても要約している。
- 参考スコア（独自算出の注目度）: 11.994865945394139
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Fish tracking is a key technology for obtaining movement trajectories and
identifying abnormal behavior. However, it faces considerable challenges,
including occlusion, multi-scale tracking, and fish deformation. Notably,
extant reviews have focused more on behavioral analysis rather than providing a
comprehensive overview of computer vision-based fish tracking approaches. This
paper presents a comprehensive review of the advancements of fish tracking
technologies over the past seven years (2017-2023). It explores diverse fish
tracking techniques with an emphasis on fundamental localization and tracking
methods. Auxiliary plugins commonly integrated into fish tracking systems, such
as underwater image enhancement and re-identification, are also examined.
Additionally, this paper summarizes open-source datasets, evaluation metrics,
challenges, and applications in fish tracking research. Finally, a
comprehensive discussion offers insights and future directions for vision-based
fish tracking techniques. We hope that our work could provide a partial
reference in the development of fish tracking algorithms.
- Abstract（参考訳）: 魚追跡は, 運動軌跡の取得と異常行動の同定のための重要な技術である。
しかし、オクルージョン、マルチスケール追跡、魚の変形など、かなりの課題に直面している。
特に、現存するレビューは、コンピュータビジョンベースの魚追跡アプローチの包括的な概要を提供するよりも、行動分析に重点を置いている。
本稿では,過去7年間(2017-2023年)における魚類追跡技術の進歩について概観する。
基本的な定位と追跡法に重点を置いた多様な魚追跡手法を探求している。
また,水中画像強調や再同定などの魚追跡システムに統合される補助プラグインについても検討した。
さらに,魚追跡研究におけるオープンソースのデータセット,評価指標,課題,応用について概説する。
最後に、視覚ベースの魚追跡技術の洞察と今後の方向性に関する包括的な議論が行われる。
魚追跡アルゴリズムの開発において,我々の研究が部分的に参考になることを期待している。
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。