論文の概要: Cattle Detection Occlusion Problem
- arxiv url: http://arxiv.org/abs/2212.11418v1
- Date: Wed, 21 Dec 2022 23:59:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-23 15:11:09.891890
- Title: Cattle Detection Occlusion Problem
- Title（参考訳）: 乳牛検出閉塞問題
- Authors: Aparna Mendu, Bhavya Sehgal, Vaishnavi Mendu
- Abstract要約: 広大な地域における牛の管理は、農業分野ではまだ難しい問題である。
技術の進化に伴い、コンシューマーレベルのデジタルカメラを備えた無人航空機(UAV)は、手動による動物調査の代替手段として人気を博している。
本稿では,最先端オブジェクト検出アルゴリズムであるYOLOv7,RetinaNetをResNet50バックボーン,RetinaNetをEfficientNet,マスクRCNNで評価し,比較した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The management of cattle over a huge area is still a challenging problem in
the farming sector. With evolution in technology, Unmanned aerial vehicles
(UAVs) with consumer level digital cameras are becoming a popular alternative
to manual animal censuses for livestock estimation since they are less risky
and expensive.This paper evaluated and compared the cutting-edge object
detection algorithms, YOLOv7,RetinaNet with ResNet50 backbone, RetinaNet with
EfficientNet and mask RCNN. It aims to improve the occlusion problem that is to
detect hidden cattle from a huge dataset captured by drones using deep learning
algorithms for accurate cattle detection. Experimental results showed YOLOv7
was superior with precision of 0.612 when compared to the other two algorithms.
The proposed method proved superior to the usual competing algorithms for cow
face detection, especially in very difficult cases.
- Abstract（参考訳）: 広大な地域における牛の管理は、農業分野ではまだ難しい問題である。
テクノロジーの進化に伴い、消費者レベルのデジタルカメラを備えた無人航空機(UAV)は、リスクが少なく高価であるため家畜推定のための手動の動物調査の代替手段として人気を集めている。本稿は、最先端の物体検出アルゴリズムであるYOLOv7、RetinaNetとResNet50のバックボーン、RetinaNetとEfficientNetとマスクRCNNを比較して比較する。
深層学習アルゴリズムを使ってドローンが捉えた巨大なデータセットから隠れ牛を検知し、牛の正確な検出を行うという、閉塞性の問題を改善することを目的としている。
実験の結果、yolov7は他の2つのアルゴリズムと比較して0.612の精度で優れていた。
提案手法は, 牛の顔検出における通常の競合アルゴリズムよりも優れており, 特に難易度が高い。
関連論文リスト
- Muzzle-Based Cattle Identification System Using Artificial Intelligence (AI) [0.0]
牛の銃口の独特さは科学的に確立されており、人間の指紋に似ている。
これは、牛の銃口の特異性を抽出する牛の識別システムを開発するきっかけとなった前提です。
我々のシステムは、9,6.489%$、9,7.334%$のF_1$スコアと8,7.993%$の真の正率(tpr)を驚くほど低い偽陽性率(fpr)の0.098%$の精度で実行する。
論文 参考訳（メタデータ） (2024-07-08T16:36:55Z) - DroBoost: An Intelligent Score and Model Boosting Method for Drone Detection [1.2564343689544843]
ドローン検出は、画像の可視性や品質が好ましくないような、困難な物体検出タスクである。
私たちの仕事は、いくつかの改善を組み合わせることで、以前のアプローチを改善します。
提案された技術は、Drone vs. Bird Challengeで1位を獲得した。
論文 参考訳（メタデータ） (2024-06-30T20:49:56Z) - One-Shot Learning for Periocular Recognition: Exploring the Effect of
Domain Adaptation and Data Bias on Deep Representations [59.17685450892182]
広範に使用されているCNNモデルにおける深部表現の挙動をワンショット近視認識のための極端データ不足下で検討する。
我々は、バイオメトリックデータセットで訓練されたネットワークを数百万の画像で活用し、最先端の結果を改善した。
SIFTのような従来のアルゴリズムは、限られたデータでCNNより優れている。
論文 参考訳（メタデータ） (2023-07-11T09:10:16Z) - Small or Far Away? Exploiting Deep Super-Resolution and Altitude Data
for Aerial Animal Surveillance [3.8015092217142223]
本研究では,全体的注目ネットワークに基づく超解像手法と,カスタム構築された高度データ利用ネットワークにより,実環境における検出の有効性が向上することを示す。
SAVMAP と AED の2つの大型航空捕獲動物データセットを用いて,本システムの評価を行った。
論文 参考訳（メタデータ） (2021-11-12T17:30:55Z) - Automated Aerial Animal Detection When Spatial Resolution Conditions Are
Varied [3.303008003874495]
家畜がどこにあるかを知ることは、最適化された管理と調整を可能にする。
衛星画像の解析による効果的な動物の位置決めとカウントは、この管理のハードルを克服する。
高解像度衛星画像は高価であり、コストを最小限に抑えるため、正確な家畜検出を可能にする最小の空間解像度データを選択すべきである。
論文 参考訳（メタデータ） (2021-10-04T11:20:14Z) - Drone Detection Using Convolutional Neural Networks [0.0]
本研究では、畳み込みニューラルネットワーク(CNN)、サポートベクターマシン(SVM)、近隣の3つの手法を用いてドローンを検知した。
その結果, CNN, SVM, および近隣諸国でそれぞれ95%, 88%, 80%の精度が得られた。
論文 参考訳（メタデータ） (2021-07-03T13:26:06Z) - Spotting adversarial samples for speaker verification by neural vocoders [102.1486475058963]
我々は、自動話者検証(ASV)のための敵対サンプルを見つけるために、ニューラルボコーダを採用する。
元の音声と再合成音声のASVスコアの違いは、真正と逆正のサンプルの識別に良い指標であることがわかった。
私たちのコードは、将来的な比較作業のためにオープンソースにされます。
論文 参考訳（メタデータ） (2021-07-01T08:58:16Z) - Pretrained equivariant features improve unsupervised landmark discovery [69.02115180674885]
我々は、この課題を克服する2段階の教師なしアプローチを、強力なピクセルベースの特徴を初めて学習することによって定式化する。
本手法は,いくつかの難解なランドマーク検出データセットにおいて最先端の結果を生成する。
論文 参考訳（メタデータ） (2021-04-07T05:42:11Z) - Face Forensics in the Wild [121.23154918448618]
我々は、ffiw-10kと呼ばれる新しい大規模データセットを構築し、高品質の偽造ビデオ1万本を含む。
操作手順は完全自動で、ドメイン対逆品質評価ネットワークによって制御されます。
さらに,多人数顔偽造検出の課題に取り組むための新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-03-30T05:06:19Z) - Regressive Domain Adaptation for Unsupervised Keypoint Detection [67.2950306888855]
ドメイン適応(DA)は、ラベル付きソースドメインからラベル付きターゲットドメインに知識を転送することを目的とする。
本稿では,教師なしキーポイント検出のためのレグレッシブドメイン適応(RegDA)法を提案する。
提案手法は,異なるデータセット上のPCKにおいて,8%から11%の大幅な改善をもたらす。
論文 参考訳（メタデータ） (2021-03-10T16:45:22Z) - Bayesian Optimization with Machine Learning Algorithms Towards Anomaly
Detection [66.05992706105224]
本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。
ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。
実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
論文 参考訳（メタデータ） (2020-08-05T19:29:35Z)
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。