Fugu-MT 論文翻訳(概要): Machine Learning and Computer Vision Techniques in Bee Monitoring Applications

論文の概要: Machine Learning and Computer Vision Techniques in Bee Monitoring Applications

arxiv url: http://arxiv.org/abs/2208.00085v1
Date: Fri, 29 Jul 2022 21:56:59 GMT
ステータス: 処理完了
システム内更新日: 2022-08-02 12:54:14.445481
Title: Machine Learning and Computer Vision Techniques in Bee Monitoring Applications
Title（参考訳）: beeモニタリングアプリケーションにおける機械学習とコンピュータビジョン技術
Authors: Simon Bilik, Ondrej Bostik, Lukas Kratochvila, Adam Ligocki, Matej Poncak, Tomas Zemcik, Milos Richter, Ilona Janakova, Petr Honec, Karel Horak
Abstract要約: 本稿では,ミツバチのモニタリングに使用される最先端のコンピュータビジョンと機械学習の応用について概説する。この論文は、その可能性を紹介するために機械学習に精通していない、獣医やアピドロジーの専門家や専門家を対象としている。
参考スコア（独自算出の注目度）: 0.9751538234290762
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Machine learning and computer vision are dynamically growing fields, which have proven to be able to solve very complex tasks. They could also be used for the monitoring of the honeybee colonies and for the inspection of their health state, which could identify potentially dangerous states before the situation is critical, or to better plan periodic bee colony inspections and therefore save significant costs. In this paper, we present an overview of the state-of-the-art computer vision and machine learning applications used for bee monitoring. We also demonstrate the potential of those methods as an example of an automated bee counter algorithm. The paper is aimed at veterinary and apidology professionals and experts, who might not be familiar with machine learning to introduce to them its possibilities, therefore each family of applications is opened by a brief theoretical introduction and motivation related to its base method. We hope that this paper will inspire other scientists to use the machine learning techniques for other applications in bee monitoring.
Abstract（参考訳）: 機械学習とコンピュータビジョンは動的に成長する分野であり、非常に複雑なタスクを解決できることが証明されている。また、ミツバチのコロニーの監視や健康状態の検査にも利用でき、状況が重要になる前に潜在的に危険な状態を識別したり、定期的なミツバチのコロニーの検査を計画したりすることで、かなりのコストを節約することができる。本稿では,ミツバチのモニタリングに使用される最先端のコンピュータビジョンと機械学習アプリケーションの概要を述べる。また,これらの手法の可能性を,自動蜂対策アルゴリズムの例として示す。この論文は、機械学習に精通していない獣医やapidologyの専門家を対象とし、その可能性を紹介するため、それぞれのアプリケーション群は、その基本手法に関する簡単な理論的な導入と動機付けによってオープンされる。この論文は、他の科学者がミツバチモニタリングの他の用途に機械学習技術を使用するように促すことを願っている。

関連論文リスト

Computer Vision for Primate Behavior Analysis in the Wild [61.08941894580172]
ビデオに基づく行動監視は、動物の認知と行動を研究する方法を変える大きな可能性を秘めている。今でも、エキサイティングな見通しと、今日実際に達成できるものの間には、かなり大きなギャップがある。
論文参考訳（メタデータ） (2024-01-29T18:59:56Z)
ProBio: A Protocol-guided Multimodal Dataset for Molecular Biology Lab [67.24684071577211]
研究結果を複製するという課題は、分子生物学の分野に重大な障害をもたらしている。まず、この目的に向けた最初のステップとして、ProBioという名前の包括的なマルチモーダルデータセットをキュレートする。次に、透明なソリューショントラッキングとマルチモーダルなアクション認識という2つの挑戦的なベンチマークを考案し、BioLab設定におけるアクティビティ理解に関連する特徴と難しさを強調した。
論文参考訳（メタデータ） (2023-11-01T14:44:01Z)
Realizing Molecular Machine Learning through Communications for Biological AI: Future Directions and Challenges [4.059849656394191]
分子機械学習(MML)に向けて、従来の装置よりもはるかに小さいスケールと媒体について検討する。 MMLの操作の基礎は、化学反応を通じて分子によって伝播される情報の輸送、処理、解釈である。私たちは将来的な方向性と、この分野が解決できる課題に注目します。
論文参考訳（メタデータ） (2022-12-22T17:53:25Z)
Machine learning in bioprocess development: From promise to practice [58.720142291102135]
機械学習(ML)アプローチのようなデータ駆動の手法は、大きな設計空間を合理的に探索する可能性が高い。本研究の目的は,これまでのバイオプロセス開発におけるML手法の適用例を示すことである。
論文参考訳（メタデータ） (2022-10-04T13:48:59Z)
Deep learning and machine learning for Malaria detection: overview, challenges and future directions [0.0]
本研究では、さまざまな機械学習および画像処理手法を用いて、マラリアの病気を検出し予測する。そこで本研究では,マラリア検出に広く適用可能なスマートツールとして,ディープラーニング技術の可能性を見出した。
論文参考訳（メタデータ） (2022-09-27T10:33:00Z)
Machine Learning for Intrusion Detection in Industrial Control Systems: Applications, Challenges, and Recommendations [6.7318392467856025]
機械学習の手法は、サイバー攻撃に耐性のある産業制御システムの設計に応用されている。本調査では,侵入と異常検出に用いる機械学習の4種類の手法に着目した。
論文参考訳（メタデータ） (2022-02-24T06:11:45Z)
Application of Machine Learning in understanding plant virus pathogenesis: Trends and perspectives on emergence, diagnosis, host-virus interplay and management [1.949912057689623]
深層学習アルゴリズムは、植物ウイルス学を含むいくつかの分野の生物学における機械学習の適用をさらに促進する。植物ウイルス学の理解における機械学習の適用の著しい進歩を考えると、このレビューは機械学習に関する序文を強調している。
論文参考訳（メタデータ） (2021-12-03T16:25:26Z)
Seeing biodiversity: perspectives in machine learning for wildlife conservation [49.15793025634011]
機械学習は、野生生物種の理解、モニタリング能力、保存性を高めるために、この分析的な課題を満たすことができると我々は主張する。本質的に、新しい機械学習アプローチとエコロジー分野の知識を組み合わせることで、動物生態学者は現代のセンサー技術が生み出すデータの豊富さを生かすことができる。
論文参考訳（メタデータ） (2021-10-25T13:40:36Z)
Automated Pest Detection with DNN on the Edge for Precision Agriculture [0.0]
本稿では,機械学習(ML)機能により強化された組込みシステムについて,果樹園内での害虫感染の連続検出を確実にする。 3つの異なるMLアルゴリズムがトレーニングされ、デプロイされ、プラットフォームの能力を強調している。その結果,農夫の介入なしに無期限に害虫感染処理を自動化できることが示唆された。
論文参考訳（メタデータ） (2021-08-01T10:17:48Z)
Perspectives on individual animal identification from biology and computer vision [58.81800919492064]
計算機科学者と生物学者の両方に利用可能なツールの概要を提供するコンピュータビジョン識別技術の最近の進歩を概観する。動物識別プロジェクトを始めるための勧告を提示し、現在の限界を説明し、将来どのように対処されるかを提案する。
論文参考訳（メタデータ） (2021-02-28T16:50:09Z)
Dos and Don'ts of Machine Learning in Computer Security [74.1816306998445]
大きな可能性にもかかわらず、セキュリティにおける機械学習は、パフォーマンスを損なう微妙な落とし穴を引き起こす傾向がある。我々は,学習ベースのセキュリティシステムの設計,実装,評価において共通の落とし穴を特定する。我々は,落とし穴の回避や軽減を支援するために,研究者を支援するための実用的な勧告を提案する。
論文参考訳（メタデータ） (2020-10-19T13:09:31Z)

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。