Fugu-MT 論文翻訳(概要): An Image Processing Pipeline for Camera Trap Time-Lapse Recordings

論文の概要: An Image Processing Pipeline for Camera Trap Time-Lapse Recordings

arxiv url: http://arxiv.org/abs/2206.05159v1
Date: Fri, 10 Jun 2022 14:58:47 GMT
ステータス: 処理完了
システム内更新日: 2022-06-13 15:26:21.356878
Title: An Image Processing Pipeline for Camera Trap Time-Lapse Recordings
Title（参考訳）: 撮影時間帯記録のための画像処理パイプライン
Authors: Michael L. Hilton, Mark T. Yamane, Leah M. Knezevich
Abstract要約: このパイプラインには、ヒューマン・イン・ザ・ループのビデオセグメンテーションと動物の再識別を支援する機械学習モデルが含まれている。ガチョウの空間生態と社会行動について研究した1年間のプロジェクトにおいて,本パイプラインの実用性に関するいくつかの成果と考察を行った。
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: A new open-source image processing pipeline for analyzing camera trap time-lapse recordings is described. This pipeline includes machine learning models to assist human-in-the-loop video segmentation and animal re-identification. We present some performance results and observations on the utility of this pipeline after using it in a year-long project studying the spatial ecology and social behavior of the gopher tortoise.
Abstract（参考訳）: カメラトラップタイムラプス記録を分析するための新しいオープンソースの画像処理パイプラインについて述べる。このパイプラインには、人間のループビデオセグメンテーションと動物の再識別を支援する機械学習モデルが含まれている。本研究は,gopher tortoiseの空間生態と社会行動に関する1年間のプロジェクトにおいて,これを用いたパイプラインの有用性について検討した。

関連論文リスト

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)
Deep Video Restoration for Under-Display Camera [98.17505013737446]
本稿では,現実的な UDC 劣化過程をシミュレートする GAN ベースの生成パイプラインを提案する。我々は PexelsUDC という,最初の大規模 UDC ビデオ復元データセットを構築した。本稿では,動画の劣化を適応的に改善するトランスフォーマーベースライン手法を提案する。
論文参考訳（メタデータ） (2023-09-09T10:48:06Z)
On the Generation of a Synthetic Event-Based Vision Dataset for Navigation and Landing [69.34740063574921]
本稿では,最適な着陸軌道からイベントベースの視覚データセットを生成する手法を提案する。我々は,惑星と小惑星の自然シーン生成ユーティリティを用いて,月面のフォトリアリスティックな画像のシーケンスを構築した。パイプラインは500トラジェクトリのデータセットを構築することで,表面特徴の現実的なイベントベース表現を生成することができることを示す。
論文参考訳（メタデータ） (2023-08-01T09:14:20Z)
Predictive Modeling of Equine Activity Budgets Using a 3D Skeleton Reconstructed from Surveillance Recordings [0.8602553195689513]
4つの同時監視カメラ記録から馬の3Dポーズを再構築するパイプラインを提案する。私たちの環境は、カメラの視野の制限や、比較的閉じて小さな環境など、取り組まなければならない興味深い課題を生んでいる。
論文参考訳（メタデータ） (2023-06-08T16:00:04Z)
Removing Human Bottlenecks in Bird Classification Using Camera Trap Images and Deep Learning [0.14746127876003345]
鳥類の個体数を監視することは生態学者にとって不可欠である。カメラトラップ、音響モニター、ドローンなどの技術は、非侵襲的な監視方法を提供する。監視にカメラトラップを使用する場合の主な問題は2つある。a) カメラは多くの画像を生成し、タイムリーにデータを処理し分析することが困難になる。本稿では,鳥種のリアルタイム分類にディープラーニングを活用することによって,これらの問題を克服するためのアプローチを概説する。
論文参考訳（メタデータ） (2023-05-03T13:04:39Z)
Automatic Individual Identification of Patterned Solitary Species Based on Unlabeled Video Data [7.667274758235099]
手動操作を必要とせずに、カメラトラップからビデオを分析し、個人を特定するパイプラインを開発した。このパイプラインは、ヒョウ(Panthera pardus)のような一意に識別可能な毛皮パターンと孤独な行動を持つ動物種に適用される。パイプラインはPan African Programme: The Cultured Chimpanzee (PanAf)によって収集されたヒョウのビデオのデータセットでテストされた。
論文参考訳（メタデータ） (2023-04-19T13:46:16Z)
Neural Scene Representation for Locomotion on Structured Terrain [56.48607865960868]
本研究では,都市環境を横断する移動ロボットの局所的な地形を再構築する学習手法を提案する。搭載されたカメラとロボットの軌道からの深度測定のストリームを用いて、ロボットの近傍の地形を推定する。ノイズ測定とカメラ配置の盲点からの大量の欠落データにもかかわらず,シーンを忠実に再構築する3次元再構成モデルを提案する。
論文参考訳（メタデータ） (2022-06-16T10:45:17Z)
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)
From ImageNet to Image Classification: Contextualizing Progress on Benchmarks [99.19183528305598]
ImageNet作成プロセスにおける特定の設計選択が、結果のデータセットの忠実性に与える影響について検討する。私たちの分析では、ノイズの多いデータ収集パイプラインが、結果のベンチマークと、それがプロキシとして機能する実世界のタスクとの間に、体系的なミスアライメントをもたらす可能性があることを指摘しています。
論文参考訳（メタデータ） (2020-05-22T17:39:16Z)
A DICOM Framework for Machine Learning Pipelines against Real-Time Radiology Images [50.222197963803644]
Nifflerは、研究クラスタでの機械学習パイプラインの実行を可能にする統合フレームワークである。ニフラーはDigital Imaging and Communications in Medicine (DICOM)プロトコルを使用して画像データの取得と保存を行っている。我々は,そのアーキテクチャと3つのユースケースを提示する: リアルタイムに画像から下大静脈フィルターを検出すること,スキャナ利用の同定,およびスキャナクロックの校正。
論文参考訳（メタデータ） (2020-04-16T21:06:49Z)

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。