論文の概要: Teaching Computer Vision for Ecology

• arxiv url: http://arxiv.org/abs/2301.02211v1
• Date: Thu, 5 Jan 2023 18:30:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-06 14:37:05.080432
• Title: Teaching Computer Vision for Ecology
• Title（参考訳）: 生態学のコンピュータビジョン教育
• Authors: Elijah Cole, Suzanne Stathatos, Bj\"orn L\"utjens, Tarun Sharma, Justin Kay, Jason Parham, Benjamin Kellenberger, Sara Beery
• Abstract要約: コンピュータービジョンは、カメラトラップ、ドローン、衛星などのセンサーからの生画像の分析を自動化することで、生態研究を加速することができる。 コンピュータビジョンは、生態学者にはめったに教えられない分野である。 この文書は、コンピュータビジョンを専門分野にわたって教えるコンピュータ科学者を意図しているが、コンピュータビジョン自体を学習している生態学者や他のドメインエキスパートにとっても有用かもしれない。
• 参考スコア（独自算出の注目度）: 7.461945508026928
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computer vision can accelerate ecology research by automating the analysis of raw imagery from sensors like camera traps, drones, and satellites. However, computer vision is an emerging discipline that is rarely taught to ecologists. This work discusses our experience teaching a diverse group of ecologists to prototype and evaluate computer vision systems in the context of an intensive hands-on summer workshop. We explain the workshop structure, discuss common challenges, and propose best practices. This document is intended for computer scientists who teach computer vision across disciplines, but it may also be useful to ecologists or other domain experts who are learning to use computer vision themselves.
• Abstract（参考訳）: コンピュータービジョンは、カメラトラップ、ドローン、衛星などのセンサーからの生画像の分析を自動化することで、生態研究を加速することができる。 しかし、コンピュータビジョンは新しい分野であり、生態学者に教えられることは滅多にない。 本研究は,集中型夏季ワークショップにおけるコンピュータビジョンシステムの試作と評価を,多様な生態学者グループに教えた経験について考察する。 ワークショップの構造を説明し,共通の課題を説明し,ベストプラクティスを提案する。 この文書は、コンピュータビジョンを専門分野にわたって教えるコンピュータ科学者を意図しているが、コンピュータビジョン自体を学習している生態学者や他のドメインエキスパートにとっても有用かもしれない。

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)
• Recent Advances of Local Mechanisms in Computer Vision: A Survey and Outlook of Recent Work [48.69845068325126]
  ローカルメカニズムはコンピュータビジョンの開発を促進するように設計されている。 識別的局所表現を学習するために対象部品に焦点を合わせるだけでなく、効率を向上させるために選択的に情報を処理することができる。 本稿では,様々なコンピュータビジョンタスクやアプローチの局所的なメカニズムを体系的に検討する。
  論文  参考訳（メタデータ） (2023-06-02T22:05:52Z)
• Nine tips for ecologists using machine learning [0.0]
  我々は、多くの生態学的研究が、生態状態や生物実体などのクラスにデータを割り当てることを目的としているため、分類問題に焦点をあてる。 9つのヒントのそれぞれは、マシンラーニングモデルの開発における一般的なエラー、トラップ、あるいは課題を特定し、生態学的研究での使用を促進するための推奨を提供する。
  論文  参考訳（メタデータ） (2023-05-17T15:41:08Z)
• Cybernetic Environment: A Historical Reflection on System, Design, and Machine Intelligence [4.149972584899897]
  本稿では,1950年代まで遡るサイバネティクス・システムの発展を追究する。 ランドスケープ・アーキテクチャの分野における研究の系譜を提示することで、ランドスケープ・アーキテクトはサイバネティックスの発展の重要な部分であると主張している。 この論文は、デザインとマシンインテリジェンスに関する問題を理解するための、環境関与の新しいパラダイムを求めている。
  論文  参考訳（メタデータ） (2023-05-03T13:09:42Z)
• OG-SGG: Ontology-Guided Scene Graph Generation. A Case Study in Transfer Learning for Telepresence Robotics [124.08684545010664]
  画像からのシーングラフ生成は、ロボット工学のようなアプリケーションに非常に関心を持つタスクである。 オントロジー誘導シーングラフ生成(OG-SGG)と呼ばれるフレームワークの初期近似を提案する。
  論文  参考訳（メタデータ） (2022-02-21T13:23:15Z)
• 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)
• Can machines learn to see without visual databases? [93.73109506642112]
  本稿では,視覚的データベースを扱わずに視界を学習するマシンの開発に焦点をあてる。 これは、ビジョンのためのディープラーニング技術に関する真に競争の激しい道を開くかもしれない。
  論文  参考訳（メタデータ） (2021-10-12T13:03:54Z)
• Unlocking the potential of deep learning for marine ecology: overview, applications, and outlook [8.3226670069051]
  本稿では,海洋生態学者と計算機科学者のギャップを埋めることを目的としている。 本研究では, 一般的な深層学習手法を, 平易な言語における生態データ分析に適用する。 我々は,海洋生態学への深層学習の確立と新たな応用を通じて,課題と機会を解説する。
  論文  参考訳（メタデータ） (2021-09-29T21:59:16Z)
• Application of Computer Vision and Machine Learning for Digitized Herbarium Specimens: A Systematic Literature Review [0.0]
  エルバリウムには数百万の標本があり、科学研究のために数年間保存されている。 これらの標本のデジタル化は現在、より広い科学コミュニティへのデータのアクセスと共有を容易にするために進められている。 IDigBioやGBIFなどのオンラインデジタルレポジトリは、まだ調査されていない数百万のサンプル画像を蓄積している。 機械学習とコンピュータビジョンを使って、より新しい発見を自動化し、スピードアップするのに最適なタイミングを提供する。
  論文  参考訳（メタデータ） (2021-04-18T06:08:51Z)
• 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)

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。