論文の概要: A contrastive learning approach for individual re-identification in a wild fish population

• arxiv url: http://arxiv.org/abs/2301.00596v1
• Date: Mon, 2 Jan 2023 11:03:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-03 13:40:14.058145
• Title: A contrastive learning approach for individual re-identification in a wild fish population
• Title（参考訳）: 野生魚集団における個体再同定のための対比学習アプローチ
• Authors: {\O}rjan Lang{\o}y Olsen and Tonje Knutsen S{\o}rdalen and Morten Goodwin and Ketil Malde and Kristian Muri Knausg{\aa}rd and Kim Tallaksen Halvorsen
• Abstract要約: 本稿では,個人識別のための対照的な学習モデルを提案する。 コントラスト学習を用いて、一様写真のコレクションから類似画像や異種画像のペアを見つける。 モデルでは,1ショット精度0.35,5ショット精度0.56,100ショット精度0.88をデータセット上で達成している。
• 参考スコア（独自算出の注目度）: 2.626095252463179
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In both terrestrial and marine ecology, physical tagging is a frequently used method to study population dynamics and behavior. However, such tagging techniques are increasingly being replaced by individual re-identification using image analysis. This paper introduces a contrastive learning-based model for identifying individuals. The model uses the first parts of the Inception v3 network, supported by a projection head, and we use contrastive learning to find similar or dissimilar image pairs from a collection of uniform photographs. We apply this technique for corkwing wrasse, Symphodus melops, an ecologically and commercially important fish species. Photos are taken during repeated catches of the same individuals from a wild population, where the intervals between individual sightings might range from a few days to several years. Our model achieves a one-shot accuracy of 0.35, a 5-shot accuracy of 0.56, and a 100-shot accuracy of 0.88, on our dataset.
• Abstract（参考訳）: 地球と海洋の両方の生態学において、物理的タグ付けは人口動態と行動を研究するためによく用いられる方法である。 しかし,このようなタグ付け技術は,画像解析による個別再同定に置き換えられつつある。 本稿では,個人識別のための対比学習に基づくモデルを提案する。 モデルでは、プロジェクションヘッドがサポートしているインセプションv3ネットワークの最初の部分を使用し、コントラスト学習を用いて、一様写真のコレクションから類似画像や異種画像のペアを見つける。 本手法を,生態学的および商業的に重要な魚種であるSymphodus melopsに応用した。 写真は野生の個体群からの同じ個体の反復捕獲中に撮影され、個々の観察間隔は数日から数年に及ぶ可能性がある。 モデルでは,1ショット精度0.35,5ショット精度0.56,100ショット精度0.88を実現している。

関連論文リスト

• Deep Learning for Leopard Individual Identification: An Adaptive Angular Margin Approach [0.0]
  本稿では,個々のヒョウを特徴的パターンに基づいて識別する深層学習フレームワークを提案する。 本稿では,RGBチャネルとエッジ検出チャネルを組み合わせた前処理パイプラインを提案する。
  論文  参考訳（メタデータ） (2024-11-04T10:38:33Z)
• Finding the Subjective Truth: Collecting 2 Million Votes for Comprehensive Gen-AI Model Evaluation [0.0]
  筆者らは4,512枚の画像から200万点以上のアノテーションを収集し,スタイル選好,コヒーレンス,テキスト・ツー・イメージアライメントの4つの顕著なモデルを評価した。 提案手法は,膨大なアノテータのプールに基づいて画像生成モデルを包括的にランク付けすることを可能にする。
  論文  参考訳（メタデータ） (2024-09-18T12:02:20Z)
• Evaluating Multiview Object Consistency in Humans and Image Models [68.36073530804296]
  我々は、物体の形状に関するゼロショット視覚的推論を必要とする認知科学の実験的設計を活用する。 我々は500人以上の参加者から行動データの35万件の試行を収集した。 次に、一般的な視覚モデルの性能を評価する。
  論文  参考訳（メタデータ） (2024-09-09T17:59:13Z)
• 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)
• Bag of Tricks for Long-Tail Visual Recognition of Animal Species in Camera Trap Images [2.294014185517203]
  近年,カメラトラップ画像における動物種の長期的視覚認識に対処する手法が提案されている。 一般に、平方根サンプリングは、マイノリティクラスの性能を約10%向上させる方法であった。 提案手法は, テール級の性能と, ヘッド級の精度との最良のトレードオフを達成した。
  論文  参考訳（メタデータ） (2022-06-24T18:30:26Z)
• Unravelling the Effect of Image Distortions for Biased Prediction of Pre-trained Face Recognition Models [86.79402670904338]
  画像歪みの存在下での4つの最先端深層顔認識モデルの性能評価を行った。 我々は、画像歪みが、異なるサブグループ間でのモデルの性能ギャップと関係していることを観察した。
  論文  参考訳（メタデータ） (2021-08-14T16:49:05Z)
• Focus on the Positives: Self-Supervised Learning for Biodiversity Monitoring [9.086207853136054]
  ラベルのない画像コレクションから自己教師付き表現を学習する問題に対処する。 我々は,入力画像間の空間的関係や時間的関係などの情報を符号化する,手軽に利用可能なコンテキストデータを利用する。 地球生物多様性監視の重要課題として、人間の監督が限定された視覚的種分類タスクに適応可能な画像特徴があげられる。
  論文  参考訳（メタデータ） (2021-08-14T01:12:41Z)
• An Empirical Study of the Collapsing Problem in Semi-Supervised 2D Human Pose Estimation [80.02124918255059]
  半教師付き学習は、ラベルなし画像の探索によってモデルの精度を高めることを目的としている。 私たちは相互に教え合うために2つのネットワークを学びます。 各ネットワーク内の容易なイメージに関するより信頼性の高い予測は、他のネットワークに対応するハードイメージについて学ぶように教えるために使用される。
  論文  参考訳（メタデータ） (2020-11-25T03:29:52Z)
• Deep learning for lithological classification of carbonate rock micro-CT images [52.77024349608834]
  本研究は,ブラジルのプリサルト炭酸塩岩微視的画像のパターン同定にディープラーニング技術を適用することを目的としている。 4つの畳み込みニューラルネットワークモデルが提案された。 精度によると、リサイズ画像で訓練されたモデル2は、最初の評価アプローチでは平均75.54%、2番目の評価では平均81.33%に達した。
  論文  参考訳（メタデータ） (2020-07-30T19:14:00Z)
• Temperate Fish Detection and Classification: a Deep Learning based Approach [6.282069822653608]
  本研究では,2段階の深層学習手法を提案する。 最初のステップは、種や性別によらず、画像中の各魚を検出することです。 第2のステップでは、画像中の各魚を事前フィルタリングせずに分類するために、Squeeze-and-Excitation (SE)アーキテクチャを備えた畳み込みニューラルネットワーク(CNN)を採用する。
  論文  参考訳（メタデータ） (2020-05-14T12:40:57Z)
• Automatic image-based identification and biomass estimation of invertebrates [70.08255822611812]
  時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。 我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。 分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
  論文  参考訳（メタデータ） (2020-02-05T21:38:57Z)

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。