論文の概要: Zero-Shot Bird Species Recognition by Learning from Field Guides

• arxiv url: http://arxiv.org/abs/2206.01466v1
• Date: Fri, 3 Jun 2022 09:13:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-06 21:58:52.453217
• Title: Zero-Shot Bird Species Recognition by Learning from Field Guides
• Title（参考訳）: フィールドガイドからの学習によるゼロショット鳥種認識
• Authors: Andr\'es C. Rodr\'iguez, Stefano D'Aronco, Rodrigo Caye Daudt, Jan D. Wegner, Konrad Schindler
• Abstract要約: 我々は、野のガイドを利用して鳥の種認識を学習し、特に目に見えない種をゼロショットで認識する。 フィールドガイドに含まれるイラストは、意図的に種の識別特性に焦点を合わせ、見知らぬクラスから見知らぬクラスに知識を伝達するための副次的な情報として機能する。
• 参考スコア（独自算出の注目度）: 25.134194235141635
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We exploit field guides to learn bird species recognition, in particular zero-shot recognition of unseen species. The illustrations contained in field guides deliberately focus on discriminative properties of a species, and can serve as side information to transfer knowledge from seen to unseen classes. We study two approaches: (1) a contrastive encoding of illustrations that can be fed into zero-shot learning schemes; and (2) a novel method that leverages the fact that illustrations are also images and as such structurally more similar to photographs than other kinds of side information. Our results show that illustrations from field guides, which are readily available for a wide range of species, are indeed a competitive source of side information. On the iNaturalist2021 subset, we obtain a harmonic mean from 749 seen and 739 unseen classes greater than $45\%$ (@top-10) and $15\%$ (@top-1). Which shows that field guides are a valuable option for challenging real-world scenarios with many species.
• Abstract（参考訳）: フィールドガイドを用いて鳥種認識,特に未発見種のゼロショット認識を学習する。 フィールドガイドに含まれるイラストは、故意に種の識別特性に焦点を当てており、目に見えないクラスに知識を移すためのサイド情報として機能することができる。 筆者らは,(1)ゼロショット学習方式に入力可能な画像のコントラスト符号化,(2)イラストも画像であり,他の種類の側情報よりも写真と構造的に類似しているという事実を活用する新しい手法について検討した。 以上の結果から,多種多様な種を対象とするフィールドガイドによるイラストレーションは,競争的側面情報の源泉であることが示された。 inaturalist2021 の部分集合上では、749 が見た調和平均と、739 の未発見のクラスは$45\%$ (@top-10) と$15\%$ (@top-1) より大きい。 これは、フィールドガイドは多くの種で現実世界のシナリオに挑戦するための貴重な選択肢であることを示している。

関連論文リスト

• Leveraging Habitat Information for Fine-grained Bird Identification [4.392299539811761]
  我々は鳥類学者によって鳥類を識別する4つの主要な方法の1つである生息地情報を現代の鳥類分類器に組み込むことを最初に検討した。 我々は、下流の鳥のデータセットに基づいて訓練されたCNNとViTと、オリジナルのマルチモーダルCLIPの2つの主要なモデルタイプに焦点を当てる。 CNNとViTを生息地データでトレーニングすると、NABirdsとCUB-200で最大0.83点、+0.23点が改善される。
  論文  参考訳（メタデータ） (2023-12-22T16:23:22Z)
• 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)
• Species196: A One-Million Semi-supervised Dataset for Fine-grained Species Recognition [30.327642724046903]
  種196(英: species 196)は、196科の外来種の大規模な半教師付きデータセットである。 専門家レベルの正確なアノテーションである種196-Lと、侵入種196-Uの1.2M以上のラベルのない画像を集めている。
  論文  参考訳（メタデータ） (2023-09-25T14:46:01Z)
• Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
  ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。 従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。 本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
  論文  参考訳（メタデータ） (2023-06-05T03:36:01Z)
• 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)
• Birds of a Feather: Capturing Avian Shape Models from Images [46.84613650829397]
  本研究は, 定型テンプレートと画像を用いた新種の捕獲手法を提案する。 画像証拠から,各種間の変異を捉える形状空間を学習する。 低次元埋め込みを用いて、学習した3次元形状空間は、学習された知覚的特徴よりも鳥の系統的関係をよりよく反映していることを示す。
  論文  参考訳（メタデータ） (2021-05-19T20:53:48Z)
• One-shot learning for acoustic identification of bird species in non-stationary environments [5.177947445379688]
  本稿では,クラス辞書の変更を検知し,新しいクラスをオンザフライで組み込むフレームワークを提案する。 我々は,logMel スペクトログラム空間で動作する Siamese Neural Network からなるワンショット学習アーキテクチャを設計する。
  論文  参考訳（メタデータ） (2021-05-01T09:43:20Z)
• 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)
• Transferring Dense Pose to Proximal Animal Classes [83.84439508978126]
  より一般的な対象検出器やセグメンタなどと同様に、密集したポーズ認識に存在する知識を、他のクラスにおける密集したポーズ認識の問題に移すことが可能であることを示す。 我々は、人間と幾何学的に整合した新しい動物のためのDensePoseモデルを確立することでこれを行う。 また、クラスチンパンジーにDensePoseの方法でラベル付けされた2つのベンチマークデータセットを導入し、アプローチを評価するためにそれらを使用します。
  論文  参考訳（メタデータ） (2020-02-28T21:43:53Z)

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。