論文の概要: Semi-Supervised Visual Tracking of Marine Animals using Autonomous Underwater Vehicles

• arxiv url: http://arxiv.org/abs/2302.07344v1
• Date: Tue, 14 Feb 2023 21:08:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-16 16:28:57.701727
• Title: Semi-Supervised Visual Tracking of Marine Animals using Autonomous Underwater Vehicles
• Title（参考訳）: 自律型水中車両を用いた海洋生物の半監督視覚追跡
• Authors: Levi Cai and Nathan E. McGuire and Roger Hanlon and T. Aran Mooney and Yogesh Girdhar
• Abstract要約: 海洋生物のその場での視覚観察は、行動的理解と周囲の生態系との関係の発達に不可欠である。 近年、カメラとGPU機能を備えた組み込みコンピュータを備えた自律型水中車両が様々な用途で開発されている。 半教師付き追跡アルゴリズムは、完全な教師付き追跡アルゴリズムよりも少ないデータを必要とするため、代替の追跡ソリューションを提供することができる。
• 参考スコア（独自算出の注目度）: 0.40498500266986387
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In-situ visual observations of marine organisms is crucial to developing behavioural understandings and their relations to their surrounding ecosystem. Typically, these observations are collected via divers, tags, and remotely-operated or human-piloted vehicles. Recently, however, autonomous underwater vehicles equipped with cameras and embedded computers with GPU capabilities are being developed for a variety of applications, and in particular, can be used to supplement these existing data collection mechanisms where human operation or tags are more difficult. Existing approaches have focused on using fully-supervised tracking methods, but labelled data for many underwater species are severely lacking. Semi-supervised trackers may offer alternative tracking solutions because they require less data than fully-supervised counterparts. However, because there are not existing realistic underwater tracking datasets, the performance of semi-supervised tracking algorithms in the marine domain is not well understood. To better evaluate their performance and utility, in this paper we provide (1) a novel dataset specific to marine animals located at http://warp.whoi.edu/vmat/, (2) an evaluation of state-of-the-art semi-supervised algorithms in the context of underwater animal tracking, and (3) an evaluation of real-world performance through demonstrations using a semi-supervised algorithm on-board an autonomous underwater vehicle to track marine animals in the wild.
• Abstract（参考訳）: 海洋生物のその場での視覚観察は、行動的理解と周囲の生態系との関係の発達に不可欠である。 通常、これらの観測はダイバー、タグ、遠隔操作または人間の操縦で収集される。 しかし、近年、カメラとGPU機能を備えた組み込みコンピュータを備えた自律型水中車両が様々なアプリケーション向けに開発されており、特に人間の操作やタグがより困難であるこれらの既存のデータ収集メカニズムを補うために利用することができる。 既存のアプローチでは、完全に監視された追跡手法を使うことに焦点が当てられているが、多くの水中種のラベル付きデータは非常に不足している。 半教師付きトラッカーは、完全な教師付きトラッカーよりも少ないデータを必要とするため、代替の追跡ソリューションを提供する。 しかし,海中追跡データセットが存在しないため,海中領域における半教師付き追跡アルゴリズムの性能はよく分かっていない。 本論文は,(1)海洋生物に特異的な新しいデータセットであるhttp://warp.whoi.edu/vmat/,(2)水中動物追跡の文脈における最先端の半教師付きアルゴリズムの評価,(3)野生動物追跡のための半教師付きアルゴリズムを用いた実世界の性能評価について述べる。

関連論文リスト

• Towards an Autonomous Surface Vehicle Prototype for Artificial Intelligence Applications of Water Quality Monitoring [68.41400824104953]
  本稿では,人工知能アルゴリズムの利用と水質モニタリングのための高感度センシング技術に対処する車両プロトタイプを提案する。 車両には水質パラメータと水深を測定するための高品質なセンサーが装備されている。 ステレオカメラにより、実際の環境でのマクロプラスチックの検出と検出も可能である。
  論文  参考訳（メタデータ） (2024-10-08T10:35:32Z)
• Improving Underwater Visual Tracking With a Large Scale Dataset and Image Enhancement [70.2429155741593]
  本稿では,水中ビジュアルオブジェクト追跡(UVOT)のための新しいデータセットと汎用トラッカ拡張手法を提案する。 水中環境は、一様でない照明条件、視界の低さ、鋭さの欠如、コントラストの低さ、カモフラージュ、懸濁粒子からの反射を示す。 本研究では,追尾品質の向上に特化して設計された水中画像強調アルゴリズムを提案する。 この手法により、最先端(SOTA)ビジュアルトラッカーの最大5.0%のAUCの性能が向上した。
  論文  参考訳（メタデータ） (2023-08-30T07:41:26Z)
• 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)
• Weakly supervised marine animal detection from remote sensing images using vector-quantized variational autoencoder [4.812718493682454]
  本稿では, 海洋環境における航空画像からの弱教師付き動物検出のための再構成に基づくアプローチについて検討する。 異常検出フレームワークは、入力空間上で直接メトリクスを計算し、解釈可能性と異常なローカライゼーションを高める。 我々のフレームワークは、異常の解釈性と局所化を改善し、海洋生態系のモニタリングに有用な洞察を提供する。
  論文  参考訳（メタデータ） (2023-07-13T12:26:27Z)
• Underwater Object Tracker: UOSTrack for Marine Organism Grasping of Underwater Vehicles [7.494346355005127]
  本稿では,水中画像とオープンエアシークエンスハイブリッドトレーニング(UOHT)とモーションベース後処理(MBPP)を組み合わせた水中OSTrackを提案する。 UOSTrackは、様々なベンチマークの最先端手法と比較して平均4.41%と7.98%の性能向上を実現している。
  論文  参考訳（メタデータ） (2023-01-04T08:22:34Z)
• 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)
• Deep Learning Computer Vision Algorithms for Real-time UAVs On-board Camera Image Processing [77.34726150561087]
  本稿では,ディープラーニングに基づくコンピュータビジョンアルゴリズムを用いて,小型UAVのリアルタイムセンサ処理を実現する方法について述べる。 すべてのアルゴリズムは、ディープニューラルネットワークに基づく最先端の画像処理手法を用いて開発されている。
  論文  参考訳（メタデータ） (2022-11-02T11:10:42Z)
• Applications of Deep Learning in Fish Habitat Monitoring: A Tutorial and Survey [1.9249287163937976]
  ディープラーニング(DL)は最先端のAI技術であり、ビジュアルデータを分析する上で前例のないパフォーマンスを示している。 本稿では,DLの重要な概念を網羅するチュートリアルを紹介し,DLの動作に関する高レベルな理解を支援する。 チュートリアルではまた、水中魚のモニタリングのような挑戦的な応用のために、DLアルゴリズムをどのように開発すべきかをステップバイステップで説明する。
  論文  参考訳（メタデータ） (2022-06-11T01:59:54Z)
• AcinoSet: A 3D Pose Estimation Dataset and Baseline Models for Cheetahs in the Wild [51.35013619649463]
  我々はAcinoSetと呼ばれる野生のフリーランニングチーターの広範なデータセットを提示する。 データセットには、119,490フレームのマルチビュー同期高速ビデオ映像、カメラキャリブレーションファイル、7,588フレームが含まれている。 また、結果の3D軌道、人間チェックされた3D地上真実、およびデータを検査するインタラクティブツールも提供される。
  論文  参考訳（メタデータ） (2021-03-24T15:54:11Z)
• Movement Tracks for the Automatic Detection of Fish Behavior in Videos [63.85815474157357]
  水中ビデオでサブルフィッシュ(Anoplopoma fimbria)の発芽行動のデータセットを提供し,その上での深層学習(DL)法による行動検出について検討した。 提案する検出システムは,Long Short-Term Memory(LSTM)ネットワークを用いて,サブルフィッシュの起動動作を識別する。
  論文  参考訳（メタデータ） (2020-11-28T05:51:19Z)
• Machine learning approaches for identifying prey handling activity in otariid pinnipeds [12.814241588031685]
  本稿では,アザラシの捕食行動の同定に焦点をあてる。 考慮すべきデータは、アザラシに直接取り付けられたデバイスによって収集された3D加速度計と深度センサーのストリームである。 機械学習(ML)アルゴリズムに基づく自動モデルを提案する。
  論文  参考訳（メタデータ） (2020-02-10T15:30:08Z)

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。