論文の概要: Distance Estimation and Animal Tracking for Wildlife Camera Trapping

• arxiv url: http://arxiv.org/abs/2202.04613v1
• Date: Wed, 9 Feb 2022 18:12:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-10 14:21:09.418020
• Title: Distance Estimation and Animal Tracking for Wildlife Camera Trapping
• Title（参考訳）: 野生生物カメラトラッピングにおける距離推定と動物追跡
• Authors: Peter Johanns, Timm Haucke, Volker Steinhage
• Abstract要約: カメラから動物までの距離を推定する完全自動手法を提案する。 我々は、距離を推定するために最先端の相対的MDEと新しいアライメント手順を利用する。 平均絶対距離推定誤差は0.9864mで、精度90.3%、リコール63.8%である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The ongoing biodiversity crysis calls for accurate estimation of animal density and abundance to identify, for example, sources of biodiversity decline and effectiveness of conservation interventions. Camera traps together with abundance estimation methods are often employed for this purpose. The necessary distances between camera and observed animal are traditionally derived in a laborious, fully manual or semi-automatic process. Both approaches require reference image material, which is both difficult to acquire and not available for existing datasets. In this study, we propose a fully automatic approach to estimate camera-to-animal distances, based on monocular depth estimation (MDE), and without the need of reference image material. We leverage state-of-the-art relative MDE and a novel alignment procedure to estimate metric distances. We evaluate the approach on a zoo scenario dataset unseen during training. We achieve a mean absolute distance estimation error of only 0.9864 meters at a precision of 90.3% and recall of 63.8%, while completely eliminating the previously required manual effort for biodiversity researchers. The code will be made available.
• Abstract（参考訳）: 生物多様性の凍結は、例えば生物多様性の低下の原因と保存的介入の有効性を特定するために、動物の密度と豊富さの正確な推定を要求する。 この目的のために、カメラトラップと豊かさ推定法がしばしば用いられる。 カメラと観察された動物の間の必要な距離は、伝統的に、勤勉で完全に手動または半自動的なプロセスによって導かれる。 どちらのアプローチも参照画像素材を必要とするため、取得が難しく、既存のデータセットでは利用できない。 本研究では,単眼深度推定(mde)に基づいてカメラから動物間距離を完全自動推定する手法を提案する。 我々は、距離を推定するために最先端の相対的MDEと新しいアライメント手順を利用する。 トレーニング中に見つからない動物園シナリオデータセットに対するアプローチを評価する。 平均絶対距離推定誤差は0.9864メートルで精度90.3%、リコール63.8%であり、生物多様性研究者に求められる手作業を完全に排除した。 コードは利用可能になります。

関連論文リスト

• SDGE: Stereo Guided Depth Estimation for 360$^\circ$ Camera Sets [65.64958606221069]
  マルチカメラシステムは、360ドル周の知覚を達成するために、しばしば自律走行に使用される。 360ドル(約3万3000円)のカメラセットは、しばしば制限または低品質のオーバーラップ領域を持ち、画像全体に対してマルチビューステレオメソッドを実現する。 重なりの重なりに多視点ステレオ結果を明示的に利用することにより、全画像の深さ推定を強化するステレオガイド深度推定法(SGDE)を提案する。
  論文  参考訳（メタデータ） (2024-02-19T02:41:37Z)
• Multimodal Foundation Models for Zero-shot Animal Species Recognition in Camera Trap Images [57.96659470133514]
  モーションアクティベートカメラトラップは、世界中の野生生物を追跡・監視するための効率的なツールである。 教師付き学習技術は、そのような画像を分析するためにうまく展開されているが、そのような訓練には専門家のアノテーションが必要である。 コストのかかるラベル付きデータへの依存を減らすことは、人間の労働力を大幅に減らした大規模野生生物追跡ソリューションを開発する上で、大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2023-11-02T08:32:00Z)
• Of Mice and Pose: 2D Mouse Pose Estimation from Unlabelled Data and Synthetic Prior [0.7499722271664145]
  そこで本稿では, 合成合成経験的ポーズを用いた2次元マウスのポーズ推定手法を提案する。 本手法はマウスの四肢構造に適応し,合成3次元マウスモデルから2次元ポーズの経験的先行を生成できる。 新しいマウスビデオデータセットの実験では,ポーズ予測を手作業で得られた真実と比較することにより,提案手法の性能を評価する。
  論文  参考訳（メタデータ） (2023-07-25T09:31:55Z)
• SOCRATES: A Stereo Camera Trap for Monitoring of Biodiversity [0.0]
  本研究では,高度に最適化されたハードウェアとソフトウェアを特徴とする3Dカメラトラップ手法を提案する。 SOCRATESの総合的な評価は、動物検出の3.23%ドルの改善だけでなく、動物の存在量を推定するための優れた適用性も示している。
  論文  参考訳（メタデータ） (2022-09-19T15:03:35Z)
• APT-36K: A Large-scale Benchmark for Animal Pose Estimation and Tracking [77.87449881852062]
  APT-36Kは動物のポーズ推定と追跡のための最初の大規模ベンチマークである。 このビデオは、30種の動物から収集・フィルタリングされた2,400のビデオクリップと、各ビデオの15フレームで構成されており、合計で36,000フレームとなっている。 我々は,(1)ドメイン内およびドメイン間移動学習環境下での単一フレームでの動物ポーズ推定,(2)未確認動物に対する種間ドメイン一般化テスト,(3)動物追跡による動物ポーズ推定の3つのモデルについて,いくつかの代表的モデルをベンチマークした。
  論文  参考訳（メタデータ） (2022-06-12T07:18:36Z)
• Persistent Animal Identification Leveraging Non-Visual Markers [71.14999745312626]
  乱雑なホームケージ環境下で各マウスにユニークな識別子を時間をかけて発見し提供することを目的としている。 これは、(i)各マウスの視覚的特徴の区別の欠如、(ii)一定の閉塞を伴うシーンの密閉性のため、非常に難しい問題である。 本手法は, この動物識別問題に対して77%の精度を達成し, 動物が隠れているときの急激な検出を拒否することができる。
  論文  参考訳（メタデータ） (2021-12-13T17:11:32Z)
• Detecting Cattle and Elk in the Wild from Space [6.810164473908359]
  衛星画像中の大きな黄体を位置決めし、数えることが生態学研究を支える重要な課題である。 画像中の動物数(カウント)を同時に推定し,その位置をピクセルレベルで(ローカライズ)予測するベースライン手法であるCowNetを提案する。 本稿では,カリフォルニア州ポイント・レーズ海浜の大規模景観における結果モデルの時間的一般化を特に検証する。
  論文  参考訳（メタデータ） (2021-06-29T14:35:23Z)
• Florida Wildlife Camera Trap Dataset [48.99466876948454]
  フロリダ州南西部の2つの異なる場所から収集された野生生物カメラトラップ分類データセットについて紹介する。 データセットは104,495枚の画像からなり、視覚的に類似した種、様々な照明条件、スキュードクラス分布、絶滅危惧種のサンプルを含む。
  論文  参考訳（メタデータ） (2021-06-23T18:53:15Z)
• Overcoming the Distance Estimation Bottleneck in Camera Trap Distance Sampling [0.0]
  動物数の推定は、例えば、土地利用の変化や外来種が種組成に与える影響を評価するために重要である。 本研究では,画像処理とパターン認識の最先端手法を活用した完全自動化ワークフローを提案する。
  論文  参考訳（メタデータ） (2021-05-10T10:17:34Z)
• Automatic Social Distance Estimation From Images: Performance Evaluation, Test Benchmark, and Algorithm [78.88882860340797]
  新型コロナウイルスは2020年3月から世界的なパンデミックを引き起こしている。 感染リスクを低減するため、他者から最低1メートルの距離を維持することが強く示唆されている。 このようなアルゴリズムには適切なテストベンチマークは存在しない。
  論文  参考訳（メタデータ） (2021-03-11T16:15:20Z)
• Exploiting Depth Information for Wildlife Monitoring [0.0]
  深度推定を用いて動物を検知・識別するカメラトラップを用いた自動手法を提案する。 個々の動物を検出・識別するために,いわゆるインスタンスセグメンテーションのための新しい手法D-Mask R-CNNを提案する。 実験により,動物検出における平均精度スコアの改善による追加深度推定の利点が示された。
  論文  参考訳（メタデータ） (2021-02-10T18:10:34Z)

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。