論文の概要: Fake Hilsa Fish Detection Using Machine Vision
- arxiv url: http://arxiv.org/abs/2201.02853v1
- Date: Sat, 8 Jan 2022 16:28:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-12 06:07:12.786195
- Title: Fake Hilsa Fish Detection Using Machine Vision
- Title（参考訳）: 機械ビジョンを用いたフェイクヒルサ魚検出
- Authors: Mirajul Islam, Jannatul Ferdous Ani, Abdur Rahman, Zakia Zaman
- Abstract要約: バングラデシュはヒルサ魚を輸出することで多くの外国通貨を稼いでいる。
フェイクヒルサ魚は、ヒトにとって有害なカドミウムと鉛を多く含む。
DenseNet201は97.02%の精度を達成した。
- 参考スコア（独自算出の注目度）: 0.4588028371034406
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Hilsa is the national fish of Bangladesh. Bangladesh is earning a lot of
foreign currency by exporting this fish. Unfortunately, in recent days, some
unscrupulous businessmen are selling fake Hilsa fishes to gain profit. The
Sardines and Sardinella are the most sold in the market as Hilsa. The
government agency of Bangladesh, namely Bangladesh Food Safety Authority said
that these fake Hilsa fish contain high levels of cadmium and lead which are
detrimental for humans. In this research, we have proposed a method that can
readily identify original Hilsa fish and fake Hilsa fish. Based on the research
available on online literature, we are the first to do research on identifying
original Hilsa fish. We have collected more than 16,000 images of original and
counterfeit Hilsa fish. To classify these images, we have used several deep
learning-based models. Then, the performance has been compared between them.
Among those models, DenseNet201 achieved the highest accuracy of 97.02%.
- Abstract（参考訳）: ヒルサはバングラデシュの国産魚である。
バングラデシュはこの魚を輸出することで多くの外国通貨を稼いでいる。
残念ながら、最近は偽のヒルサ魚を売って利益を上げているビジネスマンもいます。
SardinesとSardinellaはHilsaの市場で最も売れている。
バングラデシュ政府機関(バングラデシュ食品安全局)は、これらの偽のヒルサ魚には、人間にとって有害な高いレベルのカドミウムと鉛が含まれていると述べた。
本研究では,原産のヒラサ魚と偽のヒラサ魚を容易に識別できる方法を提案する。
オンライン文献で利用可能な研究に基づいて,原産地のヒルサ魚を同定する研究を初めて行う。
オリジナルと偽造のHilsa魚の16,000枚以上の画像を集めました。
これらの画像の分類には、深層学習モデルを用いた。
その後、両者でパフォーマンスを比較した。
これらのモデルの中で、drknet201は97.02%の精度を達成した。
関連論文リスト
- An undetectable watermark for generative image models [65.31658824274894]
生成画像モデルに対する検出不能な最初の透かし方式を提案する。
特に、検出不能な透かしは、効率的に計算可能なメートル法で画質を劣化させることはない。
提案手法は,擬似乱数誤り訂正符号を用いて拡散モデルの初期潜時間を選択する。
論文 参考訳（メタデータ） (2024-10-09T18:33:06Z) - FishNet: Deep Neural Networks for Low-Cost Fish Stock Estimation [0.0]
FishNetは、分類分類と魚の大きさ推定の両方を自動化したコンピュータビジョンシステムである。
我々は163種の1.2万魚を含む30万枚の手ラベル画像のデータセットを使用する。
魚の区分け作業では92%、単一魚種分類では89%、魚長推定では2.3cmの平均絶対誤差が達成されている。
論文 参考訳（メタデータ） (2024-03-16T12:44:08Z) - HandSight: DeCAF & Improved Fisher Vectors to Classify Clothing Color
and Texture with a Finger-Mounted Camera [57.37163491794416]
衣服のテクスチャを分類するために,DeCAFと改良されたフィッシャーベクトル画像の特徴を実証した。
この研究は、フィンガーマウントカメラと最先端の分類アルゴリズムでこの問題を解決しようとしている。
論文 参考訳（メタデータ） (2023-11-20T22:43:07Z) - DeePhy: On Deepfake Phylogeny [58.01631614114075]
DeePhyは、新しいDeepfake Phylogenyデータセットである。
6つのディープフェイク検出アルゴリズムを用いて,DeePhyデータセットのベンチマークを示す。
論文 参考訳（メタデータ） (2022-09-19T15:30:33Z) - FisheyeEX: Polar Outpainting for Extending the FoV of Fisheye Lens [84.12722334460022]
魚眼レンズは、広視野(FoV)のため、計算写真や運転支援における応用が増大する
本稿では,魚眼レンズのFoVを拡張した魚眼EX法を提案する。
以上の結果から,本手法は従来の魚眼画像よりも27%多く,最先端の手法よりも優れていたことが示唆された。
論文 参考訳（メタデータ） (2022-06-12T21:38:50Z) - Uncovering the Dark Side of Telegram: Fakes, Clones, Scams, and
Conspiracy Movements [67.39353554498636]
我々は35,382の異なるチャンネルと130,000,000以上のメッセージを収集して,Telegramの大規模解析を行う。
カードなどのダークウェブのプライバシー保護サービスにも、悪名高い活動がいくつかある。
疑似チャネルを86%の精度で識別できる機械学習モデルを提案する。
論文 参考訳（メタデータ） (2021-11-26T14:53:31Z) - WildDeepfake: A Challenging Real-World Dataset for Deepfake Detection [82.42495493102805]
我々は,インターネットから完全に収集された707のディープフェイクビデオから抽出された7,314の顔シーケンスからなる新しいデータセットWildDeepfakeを紹介した。
既存のWildDeepfakeデータセットと我々のWildDeepfakeデータセットのベースライン検出ネットワークを体系的に評価し、WildDeepfakeが実際により困難なデータセットであることを示す。
論文 参考訳（メタデータ） (2021-01-05T11:10:32Z) - FishNet: A Unified Embedding for Salmon Recognition [0.37798600249187286]
そこで我々は,人間の識別に成功している深層学習技術に基づく魚網を提案する。
実験の結果,このアーキテクチャはサルモン頭部の画像に基づいて有用な表現を学習していることがわかった。
FishNetは偽陽性率1%、真陽性率96%を達成している。
論文 参考訳（メタデータ） (2020-10-20T17:35:01Z) - Counting Fish and Dolphins in Sonar Images Using Deep Learning [0.40611352512781856]
魚とイルカの量推定の現在の方法は、視覚的および捕獲・放出戦略を用いた現場サンプリングによって行われる。
本研究では,漁船の背部から採取したソナー画像から,魚とイルカの深層学習を用いた魚量推定手法を提案する。
論文 参考訳（メタデータ） (2020-07-24T23:52:03Z) - Predicting Illegal Fishing on the Patagonia Shelf from Oceanographic
Seascapes [0.0]
違法で、報告されず、規制されていない(IUU)漁業は、魚の備蓄と管理の努力を損なう。
船舶追跡データと機械学習を用いて、パタゴニア棚の違法な漁獲を予測する。
論文 参考訳（メタデータ） (2020-07-10T16:31:25Z)
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。