論文の概要: OysterNet: Enhanced Oyster Detection Using Simulation

• arxiv url: http://arxiv.org/abs/2209.08176v1
• Date: Fri, 16 Sep 2022 21:35:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-20 17:53:56.836913
• Title: OysterNet: Enhanced Oyster Detection Using Simulation
• Title（参考訳）: oysternet:シミュレーションによるオイスター検出の強化
• Authors: Xiaomin Lin, Nitin J. Sanket, Nare Karapetyan, Yiannis Aloimonos
• Abstract要約: オイスターは湾の生物生態系において重要な役割を担い、海洋の生物フィルターと見なされている。 そこで本研究では, カキのイメージを数学的にモデル化し, シミュレーションでレンダリングすることで, 検出性能を最小限の実データで向上する手法を提案する。
• 参考スコア（独自算出の注目度）: 12.282807381883542
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Oysters play a pivotal role in the bay living ecosystem and are considered the living filters for the ocean. In recent years, oyster reefs have undergone major devastation caused by commercial over-harvesting, requiring preservation to maintain ecological balance. The foundation of this preservation is to estimate the oyster density which requires accurate oyster detection. However, systems for accurate oyster detection require large datasets obtaining which is an expensive and labor-intensive task in underwater environments. To this end, we present a novel method to mathematically model oysters and render images of oysters in simulation to boost the detection performance with minimal real data. Utilizing our synthetic data along with real data for oyster detection, we obtain up to 35.1% boost in performance as compared to using only real data with our OysterNet network. We also improve the state-of-the-art by 12.7%. This shows that using underlying geometrical properties of objects can help to enhance recognition task accuracy on limited datasets successfully and we hope more researchers adopt such a strategy for hard-to-obtain datasets.
• Abstract（参考訳）: オイスターは湾の生物生態系において重要な役割を担い、海洋の生物フィルターと見なされている。 近年では商業的過酷化による大きな被害を受けており、生態系のバランスを維持するために保全が求められている。 この保存の基礎は、正確なカキ検出を必要とするカキ密度を推定することである。 しかし、正確なオイスター検出のためのシステムは、水中環境において高価で労働集約的なタスクを取得するための大きなデータセットを必要とする。 そこで本研究では, カキのイメージをシミュレーションで数学的にモデル化し, 検出性能を最小限の実データで向上する手法を提案する。 OysterNetネットワークで実際のデータのみを使用する場合と比較して、我々の合成データと実際のデータを用いて、最大35.1%の性能向上が得られる。 また、現状を12.7%改善する。 このことは、オブジェクトの基本的な幾何学的性質を使用することで、限られたデータセットに対する認識タスクの精度を向上できることを示している。

関連論文リスト

• ODYSSEE: Oyster Detection Yielded by Sensor Systems on Edge Electronics [14.935296890629795]
  オイスターは沿岸生態系において重要なキーストーンであり、経済的、環境的、文化的な利益をもたらす。 現在の監視戦略は、しばしば破壊的な方法に依存している。 本研究では, 安定拡散を用いた新しいパイプラインを提案し, 現実的な合成データを用いて収集した実データセットを増強する。
  論文  参考訳（メタデータ） (2024-09-11T04:31:09Z)
• D5RL: Diverse Datasets for Data-Driven Deep Reinforcement Learning [99.33607114541861]
  ロボット操作と移動環境の現実的なシミュレーションに焦点を当てたオフラインRLのための新しいベンチマークを提案する。 提案するベンチマークでは、状態ベースドメインと画像ベースドメインを対象とし、オフラインRLとオンライン微調整評価の両方をサポートしている。
  論文  参考訳（メタデータ） (2024-08-15T22:27:00Z)
• Whale Detection Enhancement through Synthetic Satellite Images [13.842008598751445]
  実際のデータのみをトレーニングに使用した場合と比較して,捕鯨の検出において15%の性能向上が達成できることが示されている。 シミュレーションプラットフォームSeaDroneSim2のコードをオープンソースとして公開しています。
  論文  参考訳（メタデータ） (2023-08-15T13:35:29Z)
• Exploring the Effectiveness of Dataset Synthesis: An application of Apple Detection in Orchards [68.95806641664713]
  本研究では,リンゴ樹の合成データセットを生成するための安定拡散2.1-baseの有用性について検討する。 我々は、現実世界のリンゴ検出データセットでリンゴを予測するために、YOLOv5mオブジェクト検出モデルを訓練する。 その結果、実世界の画像でトレーニングされたベースラインモデルと比較して、生成データでトレーニングされたモデルはわずかに性能が劣っていることがわかった。
  論文  参考訳（メタデータ） (2023-06-20T09:46:01Z)
• LargeST: A Benchmark Dataset for Large-Scale Traffic Forecasting [65.71129509623587]
  道路交通予測はスマートシティのイニシアチブにおいて重要な役割を担い、ディープラーニングの力によって大きな進歩を遂げている。 しかし、現在の公開データセットで達成される有望な結果は、現実的なシナリオには適用できないかもしれない。 カリフォルニアで合計8,600のセンサーと5年間の時間カバレッジを含む、LargeSTベンチマークデータセットを紹介します。
  論文  参考訳（メタデータ） (2023-06-14T05:48:36Z)
• Underwater Acoustic Target Recognition based on Smoothness-inducing Regularization and Spectrogram-based Data Augmentation [21.327653766608805]
  不十分なデータは、複雑なモデリングをサポートする認識システムの能力を阻害する可能性がある。 限られたデータの場合,モデルの一般化能力を高めるための2つの戦略を提案する。
  論文  参考訳（メタデータ） (2023-06-12T08:26:47Z)
• TempNet: Temporal Attention Towards the Detection of Animal Behaviour in Videos [63.85815474157357]
  本稿では,映像中の生物学的行動を検出するための,効率的なコンピュータビジョンと深層学習に基づく手法を提案する。 TempNetはエンコーダブリッジと残留ブロックを使用して、2段階の空間的、そして時間的、エンコーダでモデル性能を維持する。 本研究では,サブルフィッシュ (Anoplopoma fimbria) 幼虫の検出への応用を実証する。
  論文  参考訳（メタデータ） (2022-11-17T23:55:12Z)
• A Real-time Edge-AI System for Reef Surveys [6.070670469403929]
  ソーン・オブ・ソーン・スターフィッシュ(英: Crown-of-Thorn Starfish、COTS)は、グレートバリアリーフでサンゴが失われた主な原因である。 我々は,COTSモニタリングのためのエッジデバイス上で,機械学習に基づく総合的な水中データ収集とキュレーションシステムを提案する。
  論文  参考訳（メタデータ） (2022-08-01T04:06:14Z)
• Discriminative Singular Spectrum Classifier with Applications on Bioacoustic Signal Recognition [67.4171845020675]
  分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。 タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。 提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
  論文  参考訳（メタデータ） (2021-03-18T11:01:21Z)
• Complex data labeling with deep learning methods: Lessons from fisheries acoustics [0.0]
  本論文は, 根拠となる真理ラベルが不要であるケーススタディ, エコーグラフラベリングに焦点を当てた。 我々は、非定常データセットでトレーニングされた畳み込みニューラルネットワークが、人間の専門家の補正を必要とする新しいデータセットの一部を強調するために使用できることを実証した。
  論文  参考訳（メタデータ） (2020-10-21T13:49:34Z)
• Provably Efficient Causal Reinforcement Learning with Confounded Observational Data [135.64775986546505]
  オフラインで収集されたデータセット(観測データ)を組み込んで、オンライン環境でのサンプル効率を改善する方法について検討する。 提案手法は,観測データを効率よく組み込んだ,分解された楽観的値反復 (DOVI) アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-06-22T14:49:33Z)

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。