論文の概要: Towards automatic detection of wildlife trade using machine vision
models
- arxiv url: http://arxiv.org/abs/2205.11324v1
- Date: Mon, 23 May 2022 14:11:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-24 15:54:17.219844
- Title: Towards automatic detection of wildlife trade using machine vision
models
- Title(参考訳): マシンビジョンモデルによる野生生物取引の自動検出に向けて
- Authors: Ritwik Kulkarni, Enrico Di Minin
- Abstract要約: 現在、取引の重要な部分はインターネット、特にデジタルマーケットプレースやソーシャルメディアで行われている。
そこで我々は,市販のエキゾチックなペットのイメージを自動的に識別する目的で,Deep Neural Networksに基づくマシンビジョンモデルを開発した。
5つの異なるアーキテクチャ、3つのトレーニング方法、2つのタイプのデータセットを組み合わせた24のニューラルネットモデルをトレーニングしました。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Unsustainable trade in wildlife is one of the major threats affecting the
global biodiversity crisis. An important part of the trade now occurs on the
internet, especially on digital marketplaces and social media. Automated
methods to identify trade posts are needed as resources for conservation are
limited. Here, we developed machine vision models based on Deep Neural Networks
with the aim to automatically identify images of exotic pet animals for sale. A
new training dataset representing exotic pet animals advertised for sale on the
web was generated for this purpose. We trained 24 neural-net models spanning a
combination of five different architectures, three methods of training and two
types of datasets. Specifically, model generalisation improved after setting a
portion of the training images to represent negative features. Models were
evaluated on both within and out of distribution data to test wider model
applicability. The top performing models achieved an f-score of over 0.95 on
within distribution evaluation and between 0.75 to 0.87 on the two out of
distribution datasets. Notably, feature visualisation indicated that models
performed well in detecting the surrounding context (e.g. a cage) in which an
animal was located, therefore helping to automatically detect images of animals
in non-natural environments. The proposed methods can help investigate the
online wildlife trade, but can also be adapted to study other types of
people-nature interactions from digital platforms. Future studies can use these
findings to build robust machine learning models and new data collection
pipelines for more taxonomic groups.
- Abstract(参考訳): 野生生物における持続不可能な貿易は、世界の生物多様性危機に影響を及ぼす主要な脅威の1つである。
現在、取引の重要な部分はインターネット、特にデジタルマーケットプレースやソーシャルメディアで行われている。
保護のための資源が限られているため、貿易基地の自動識別方法が必要である。
そこで我々はDeep Neural Networksをベースとして,エキゾチックなペットのイメージを自動的に識別するマシンビジョンモデルを開発した。
ウェブ上で販売されるエキゾチックなペットを表現した新しいトレーニングデータセットを作成した。
5つの異なるアーキテクチャ、3つのトレーニング方法、2種類のデータセットを組み合わせた24のニューラルネットモデルをトレーニングした。
具体的には、負の特徴を表すためにトレーニング画像の一部を設定した後、モデル一般化が改善された。
より広いモデル適用性をテストするため,分布データ内と外の両方でモデルを評価した。
トップパフォーマンスモデルは分布評価で0.95点、分布データセットで0.75点から0.87点を達成している。
特に、特徴視覚化は、動物が位置する周囲の状況(例えばケージ)を検出する上でモデルがうまく機能し、非自然環境における動物の画像を自動的に検出するのに役立つことを示した。
提案手法は,オンライン野生動物取引を調査できるだけでなく,デジタルプラットフォームから他のタイプの人間と自然の相互作用を研究するためにも適用できる。
今後の研究は、これらの発見を利用して、より分類学的グループのための堅牢な機械学習モデルと新しいデータ収集パイプラインを構築することができる。
関連論文リスト
- Excretion Detection in Pigsties Using Convolutional and Transformerbased Deep Neural Networks [0.0]
水たまりや糞のような動物の排ガスは家畜の農業において重要な排出源である。
水たまり領域を決定するための従来の研究手法では、納屋内の水たまりを手動で検出する必要がある。
本研究は,豚の排ガス検出における各種深層学習モデルの適合性について検討した最初のものである。
論文 参考訳(メタデータ) (2024-11-29T21:00:08Z) - Reinforcing Pre-trained Models Using Counterfactual Images [54.26310919385808]
本稿では,言語誘導型生成対実画像を用いた分類モデル強化のための新しいフレームワークを提案する。
逆ファクト画像データセットを用いてモデルをテストすることにより、モデルの弱点を同定する。
我々は、分類モデルを微調整し強化するために、デファクトイメージを拡張データセットとして採用する。
論文 参考訳(メタデータ) (2024-06-19T08:07:14Z) - Comparison of self-supervised in-domain and supervised out-domain transfer learning for bird species recognition [0.19183348587701113]
別のタスクを支援するために事前訓練されたモデルの重みを移すことは、現代のディープラーニングの重要な部分となっている。
本実験は,鳥種認識のためのドメイン内モデルとデータセットの有用性を実証するものである。
論文 参考訳(メタデータ) (2024-04-26T08:47:28Z) - AIDE: An Automatic Data Engine for Object Detection in Autonomous Driving [68.73885845181242]
本稿では,問題を自動的に識別し,データを効率よくキュレートし,自動ラベル付けによりモデルを改善する自動データエンジン(AIDE)を提案する。
さらに,AVデータセットのオープンワールド検出のためのベンチマークを構築し,様々な学習パラダイムを包括的に評価し,提案手法の優れた性能を低コストで実証する。
論文 参考訳(メタデータ) (2024-03-26T04:27:56Z) - Learning the 3D Fauna of the Web [70.01196719128912]
3D-Faunaは,100種以上の動物種を対象に,パンカテゴリーで変形可能な3D動物モデルを共同で学習する手法である。
動物モデリングにおける重要なボトルネックの1つは、トレーニングデータの可用性の制限である。
従来のカテゴリー固有の試みは,訓練画像に制限のある希少種への一般化に失敗することを示す。
論文 参考訳(メタデータ) (2024-01-04T18:32:48Z) - Exploring the Feasibility of Generating Realistic 3D Models of
Endangered Species Using DreamGaussian: An Analysis of Elevation Angle's
Impact on Model Generation [0.43512163406552007]
本研究の目的は,絶滅危惧動物における一貫した,現実的な3次元モデル作成の実現可能性について,限られたデータを用いて検討することである。
本稿では3次元モデル生成における標高角と出力品質の関係について検討する。
論文 参考訳(メタデータ) (2023-12-15T10:56:07Z) - Hyper-Representations as Generative Models: Sampling Unseen Neural
Network Weights [2.9678808525128813]
我々は、新しいモデルウェイトをサンプリングするために、生成的使用のためのハイパー表現を拡張した。
以上の結果から, モデル動物園からハイパー表現による新しいモデルへの知識集約の可能性が示唆された。
論文 参考訳(メタデータ) (2022-09-29T12:53:58Z) - Hyper-Representations for Pre-Training and Transfer Learning [2.9678808525128813]
我々は、生成的使用のためのハイパー表現を拡張して、事前学習として新しいモデルウェイトをサンプリングする。
以上の結果から, モデル動物園からハイパー表現による新しいモデルへの知識集約の可能性が示唆された。
論文 参考訳(メタデータ) (2022-07-22T09:01:21Z) - CARLA-GeAR: a Dataset Generator for a Systematic Evaluation of
Adversarial Robustness of Vision Models [61.68061613161187]
本稿では,合成データセットの自動生成ツールであるCARLA-GeARについて述べる。
このツールは、Python APIを使用して、CARLAシミュレータ上に構築されており、自律運転のコンテキストにおいて、いくつかのビジョンタスク用のデータセットを生成することができる。
本稿では,CARLA-GeARで生成されたデータセットが,現実世界の敵防衛のベンチマークとして今後どのように利用されるかを示す。
論文 参考訳(メタデータ) (2022-06-09T09:17:38Z) - Towards Open-World Feature Extrapolation: An Inductive Graph Learning
Approach [80.8446673089281]
グラフ表現と学習を伴う新しい学習パラダイムを提案する。
本フレームワークは,1) 下位モデルとしてのバックボーンネットワーク(フィードフォワードニューラルネットなど)が,予測ラベルの入力および出力として機能を取り,2) 上位モデルとしてのグラフニューラルネットワークが,観測データから構築された特徴データグラフをメッセージパッシングすることで,新機能の埋め込みを外挿することを学ぶ。
論文 参考訳(メタデータ) (2021-10-09T09:02:45Z) - Deformation-aware Unpaired Image Translation for Pose Estimation on
Laboratory Animals [56.65062746564091]
我々は,神経回路が行動をどのようにオーケストレーションするかを研究するために,手動による監督を使わずに,神経科学モデル生物のポーズを捉えることを目的としている。
我々の重要な貢献は、未完成の画像翻訳フレームワークにおける外観、形状、ポーズの明示的で独立したモデリングである。
ショウジョウバエ(ハエ)、線虫(線虫)、ダニオ・レリオ(ゼブラフィッシュ)のポーズ推定精度の向上を実証した。
論文 参考訳(メタデータ) (2020-01-23T15:34:11Z)
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。