論文の概要: A deep convolutional neural network for classification of Aedes albopictus mosquitoes

• arxiv url: http://arxiv.org/abs/2110.15956v1
• Date: Fri, 29 Oct 2021 17:58:32 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-01 14:17:53.300488
• Title: A deep convolutional neural network for classification of Aedes albopictus mosquitoes
• Title（参考訳）: Aedes albopictus 蚊の分類のための深層畳み込みニューラルネットワーク
• Authors: Gereziher Adhane and Mohammad Mahdi Dehshibi and David Masip
• Abstract要約: 本稿では2つのDeep Convolutional Neural Networksを,分類タスクの自動化のための比較研究に適用する。 移動学習の原理を用いて、Mosquito Alertプロジェクトが提供するデータに基づいて、2つの最先端アーキテクチャを訓練する。 さらに,Grad-CAMアルゴリズムに基づく説明可能なモデルを適用し,分類画像の最も識別性の高い領域を可視化した。
• 参考スコア（独自算出の注目度）: 1.6758573326215689
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Monitoring the spread of disease-carrying mosquitoes is a first and necessary step to control severe diseases such as dengue, chikungunya, Zika or yellow fever. Previous citizen science projects have been able to obtain large image datasets with linked geo-tracking information. As the number of international collaborators grows, the manual annotation by expert entomologists of the large amount of data gathered by these users becomes too time demanding and unscalable, posing a strong need for automated classification of mosquito species from images. We introduce the application of two Deep Convolutional Neural Networks in a comparative study to automate this classification task. We use the transfer learning principle to train two state-of-the-art architectures on the data provided by the Mosquito Alert project, obtaining testing accuracy of 94%. In addition, we applied explainable models based on the Grad-CAM algorithm to visualise the most discriminant regions of the classified images, which coincide with the white band stripes located at the legs, abdomen, and thorax of mosquitoes of the Aedes albopictus species. The model allows us to further analyse the classification errors. Visual Grad-CAM models show that they are linked to poor acquisition conditions and strong image occlusions.
• Abstract（参考訳）: 蚊の感染拡大をモニターすることはデング、チクングニャ、ジカ熱、黄熱といった重篤な病気を制御するための第一歩であり、必要なステップである。 従来の市民科学プロジェクトは、地理的追跡情報をリンクした大規模な画像データセットを得ることができた。 国際協力者の数が増えるにつれて、これらの利用者が収集した大量のデータに関する専門家昆虫学者による手作業による注釈は時間がかかりすぎるため、画像から蚊を自動分類する必要性が高まっている。 本稿では,2つのDeep Convolutional Neural Networksを,この分類タスクを自動化するための比較研究に適用する。 本研究は,蚊の警告プロジェクトによるデータに基づく2つの最先端アーキテクチャをトレーニングするために,トランスファー学習の原則を用いて94%の精度を得る。 さらにgrad-camアルゴリズムに基づく説明可能なモデルを用いて,アエデス・アルボピクトゥスの蚊の脚部,腹部,胸部に位置する白色帯と一致する分類画像の識別領域を可視化した。 このモデルにより、分類エラーを解析することができる。 Visual Grad-CAMモデルは、取得条件の粗悪さと画像の強い閉塞に関連していることを示している。

関連論文リスト

• Domain Adaptive Synapse Detection with Weak Point Annotations [63.97144211520869]
  弱点アノテーションを用いたドメイン適応型シナプス検出のためのフレームワークであるAdaSynを提案する。 I SBI 2023のWASPSYNチャレンジでは、我々の手法が第1位にランクインした。
  論文  参考訳（メタデータ） (2023-08-31T05:05:53Z)
• Aphid Cluster Recognition and Detection in the Wild Using Deep Learning Models [17.65292847038642]
  アフィドの寄生は作物生産、農村社会、世界の食料安全保障に重大な脅威をもたらす。 本稿では,アフィドクラスタの検出にディープラーニングモデルを用いることに主眼を置いている。 そこで本研究では,アフィドクラスターの検出により感染レベルを推定する手法を提案する。
  論文  参考訳（メタデータ） (2023-08-10T23:53:07Z)
• Stacking Ensemble Learning in Deep Domain Adaptation for Ophthalmic Image Classification [61.656149405657246]
  ドメイン適応は、十分なラベルデータを取得することが困難な画像分類タスクに有効である。 本稿では,3つのドメイン適応手法を拡張することで,アンサンブル学習を積み重ねるための新しい手法SELDAを提案する。 Age-Related Eye Disease Study (AREDS)ベンチマーク眼科データセットを用いた実験結果から,提案モデルの有効性が示された。
  論文  参考訳（メタデータ） (2022-09-27T14:19:00Z)
• A Mosquito is Worth 16x16 Larvae: Evaluation of Deep Learning Architectures for Mosquito Larvae Classification [0.04170934882758552]
  本研究では、視覚変換器(ViT)を応用して、AedesおよびCulex幼虫の画像分類を改善する。 ViT-BaseとCvT-13の2つのモデルと2つのCNNモデルであるResNet-18とConvNeXTは、蚊幼虫の画像データに基づいて訓練され、蚊幼虫をAedesまたはCulexと区別する最も効果的なモデルを決定するために比較された。
  論文  参考訳（メタデータ） (2022-09-16T04:49:50Z)
• On the use of uncertainty in classifying Aedes Albopictus mosquitoes [1.6758573326215689]
  畳み込みニューラルネットワーク(CNN)は、画像中の蚊を認識するためにいくつかの研究で使われてきた。 本稿では,モンテカルロ・ドロップアウト法を用いて不確実性のスコアを推定し,分類標本のランク付けを行う。
  論文  参考訳（メタデータ） (2021-10-29T16:58:25Z)
• HumBugDB: A Large-scale Acoustic Mosquito Dataset [15.108701811353097]
  本稿では,蚊の飛行中を連続的に追跡した音響記録の大規模多種多様なデータセットについて述べる。 専門的にラベル付けされ、タグ付けされた20時間の音声記録を、正確に時間内に提示する。 18時間の録音には36種のアノテーションが含まれている。
  論文  参考訳（メタデータ） (2021-10-14T14:18:17Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• Few-shot Medical Image Segmentation using a Global Correlation Network with Discriminative Embedding [60.89561661441736]
  医療画像分割のための新しい手法を提案する。 深層畳み込みネットワークを用いた数ショット画像セグメンタを構築します。 深層埋め込みの識別性を高め,同一クラスの特徴領域のクラスタリングを促進する。
  論文  参考訳（メタデータ） (2020-12-10T04:01:07Z)
• Automatic Detection of Aedes aegypti Breeding Grounds Based on Deep Networks with Spatio-Temporal Consistency [2.4858193569899907]
  Aedes aegypti 蚊はデングジカ、チクングニャ、都市部の黄熱といった病気に感染する。 これらの病気に対処するための主要な形態は、蚊の繁殖地を探し、排除することで蚊の繁殖を避けることである。 本研究では,蚊の繁殖場所を含む無人航空機で取得した航空映像の包括的データセットを紹介する。
  論文  参考訳（メタデータ） (2020-07-29T14:30:54Z)
• Two-View Fine-grained Classification of Plant Species [66.75915278733197]
  本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。 シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
  論文  参考訳（メタデータ） (2020-05-18T21:57:47Z)
• 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。