Fugu-MT 論文翻訳(概要): A Monkey Swing Counting Algorithm Based on Object Detection

論文の概要: A Monkey Swing Counting Algorithm Based on Object Detection

arxiv url: http://arxiv.org/abs/2303.06567v1
Date: Sun, 12 Mar 2023 04:41:54 GMT
ステータス: 処理完了
システム内更新日: 2023-03-14 18:15:06.136629
Title: A Monkey Swing Counting Algorithm Based on Object Detection
Title（参考訳）: 物体検出に基づくサルスイングカウントアルゴリズム
Authors: Hao Chen, Zhe-Ming Lu, and Jie Liu
Abstract要約: 本稿では,深層学習に基づくサルのスイングカウントアルゴリズムを提案する。本規格の指導のもと,本論文のサルの動きビデオ50本のうち,頭部投球数は94%に達した。
参考スコア（独自算出の注目度）: 12.748173918372732
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper focuses on proposing a deep learning-based monkey swing counting algorithm. Nowadays, there are very few papers on monkey detection, and even fewer papers on monkey swing counting. This research focuses on this gap and attempts to count the number of monkeys swinging their heads by deep learning. This paper further extends the traditional target detection algorithm. By analyzing the results of object detection, we localize the monkey's actions over a period of time. This paper analyzes the task of counting monkey head swings, and proposes the standard that accurately describes a monkey swinging its head. Under the guidance of this standard, the head-swing count in 50 monkey movement videos in this paper has achieved 94%.
Abstract（参考訳）: 本稿では,深層学習に基づく猿振計数アルゴリズムを提案する。現在、サル検出に関する論文はほとんどなく、サルのスイングカウントに関する論文も少なくなっている。この研究は、このギャップに焦点を当て、深層学習によって頭を振る猿の数を数えようとしている。本稿では従来のターゲット検出アルゴリズムをさらに拡張する。対象物検出の結果を分析することで,サルの行動を一定時間にわたって局所化する。本稿では,サルの頭部揺動を計測する作業を分析し,猿の頭部揺動を正確に記述する基準を提案する。この標準の指導のもと,本論文の猿の動き動画50本のうち,頭振り回数は94%に達した。

関連論文リスト

Benchmarking Uncertainty Quantification Methods for Large Language Models with LM-Polygraph [83.90988015005934]
不確実性定量化は機械学習アプリケーションにおいて重要な要素である。最新のUQベースラインの集合を実装した新しいベンチマークを導入する。我々は、11タスクにわたるUQと正規化技術に関する大規模な実証的研究を行い、最も効果的なアプローチを特定した。
論文参考訳（メタデータ） (2024-06-21T20:06:31Z)
Monkey: Image Resolution and Text Label Are Important Things for Large Multi-modal Models [55.508049882447395]
大規模マルチモーダルモデル(LMM)は視覚言語タスクにおいて有望であるが、高解像度入力と詳細なシーン理解に苦慮している。 LMM機能を強化するためにMonkeyを導入します。モンキーは入力画像を均一なパッチに分割して処理し、それぞれのサイズ(例:448x448)をよく訓練されたビジョンエンコーダのトレーニングに使用する。解像度は1344x896ピクセルまでで、複雑な視覚情報を詳細にキャプチャできる。
論文参考訳（メタデータ） (2023-11-11T16:37:41Z)
Sentiment analysis with adaptive multi-head attention in Transformer [0.0]
本稿では,映画レビュー資料の感情を識別するためのアテンション機構に基づく新しいフレームワークを提案する。本稿では,文の長さに基づいてアテンションヘッド数を変化させる適応型マルチヘッドアテンションアーキテクチャ(AdaptAttn)を提案する。
論文参考訳（メタデータ） (2023-10-23T02:32:30Z)
Learning Regularized Monotone Graphon Mean-Field Games [155.38727464526923]
正規化グラフィオン平均フィールドゲーム(GMFG)の基本問題について検討する。我々は、$lambda$-regularized GMFG の Nash Equilibrium (NE) の存在を確立する。弱い単調なGMFGでNEを学習するアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-10-12T07:34:13Z)
BeMap: Balanced Message Passing for Fair Graph Neural Network [50.910842893257275]
異なる人口集団の1ホップ隣人がバランスが取れていない場合、メッセージパッシングがバイアスを増幅することを示します。本研究では,各ノードの1ホップ隣人の数を異なるグループ間でバランスをとる,公平なメッセージパッシング手法であるBeMapを提案する。
論文参考訳（メタデータ） (2023-06-07T02:16:36Z)
Larger Offspring Populations Help the $(1 + (\lambda, \lambda))$ Genetic Algorithm to Overcome the Noise [76.24156145566425]
進化的アルゴリズムは、適合性の評価においてノイズに対して堅牢であることが知られている。我々は$(lambda,lambda)$の遺伝的アルゴリズムがどんなにノイズに強いかを解析する。
論文参考訳（メタデータ） (2023-05-08T08:49:01Z)
Monkeypox Skin Lesion Detection Using Deep Learning Models: A Feasibility Study [1.9395755884693817]
最近のサルポックスの流行は、アフリカ以外の40カ国で急速に拡大しているため、公衆衛生上の問題となっている。サルポックス病変のコンピュータによる検出は, 疑われる症例の迅速同定と監視に有用であると考えられた。深層学習法は皮膚病変の自動検出に有効である。
論文参考訳（メタデータ） (2022-07-06T09:09:28Z)
Fine-Grained Counting with Crowd-Sourced Supervision [0.0]
本研究では,細粒度カウントの課題に対して,その可能性について検討する。きめ細かい計数には、密集した群衆の中で個人の属性を分類することが含まれる。動物生態学から得られた8つの微細なクラスからなる1.7百万のクラウドソースアノテーションを含む新しいデータセットを紹介した。
論文参考訳（メタデータ） (2022-05-23T15:42:18Z)
Semantic-Based Few-Shot Learning by Interactive Psychometric Testing [14.939767383180786]
ほとんどショットの分類タスクは、サポートセット内のいくつかのラベル付き例に基づいて、クエリセット内のイメージを分類することを目的としていない。本研究では,この難易度の高いシナリオ,セマンティックベースの数発学習に向けて,数発の学習を進めた。本稿では,対話型心理測定学習を用いて内的意味関係を抽出し,そのパラダイムに対処する手法を提案する。
論文参考訳（メタデータ） (2021-12-16T21:03:09Z)
Learning with Group Noise [106.56780716961732]
グループノイズを用いた学習のための新しいマックスマッチング手法を提案する。いくつかの学習パラダイムの領域における実世界のデータセットのレンジのパフォーマンスは、Max-Matchingの有効性を示している。
論文参考訳（メタデータ） (2021-03-17T06:57:10Z)
A brief overview of swarm intelligence-based algorithms for numerical association rule mining [2.535671322516818]
数値アソシエーション・ルール・マイニング(英: Numerical Association Rule Mining)は、アソシエーション・ルール・マイニング(英: Association Rule Mining)の一般的な変種であり、数値属性は離散化せずに扱われる。本章では、数値アソシエーションルールマイニングのための群知能に基づくアルゴリズムの歴史的概要と、観測された問題に対するこれらのアルゴリズムの主な特徴について述べる。
論文参考訳（メタデータ） (2020-10-29T12:44:15Z)

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。