論文の概要: mAedesID: Android Application for Aedes Mosquito Species Identification
using Convolutional Neural Network
- arxiv url: http://arxiv.org/abs/2305.07664v1
- Date: Tue, 2 May 2023 14:20:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-21 11:14:49.635467
- Title: mAedesID: Android Application for Aedes Mosquito Species Identification
using Convolutional Neural Network
- Title（参考訳）: mAedesID:畳み込みニューラルネットワークを用いた昆虫種同定のためのAndroidアプリケーション
- Authors: G. Jeyakodi, Trisha Agarwal, P. Shanthi Bala
- Abstract要約: Aedes 蚊ベクターの拡散を減らしてデング病を抑えることが重要である。
コミュニティの意識は、エイデスのプログラムを確実に制御し、コミュニティに活発な参加を促すために、厳しい役割を担っている。
深層学習畳み込みニューラルネットワーク (CNN) アルゴリズムを用いて, Aedes の蚊種を特定するモバイルアプリケーション mAedesID を開発した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Vector-Borne Disease (VBD) is an infectious disease transmitted through the
pathogenic female Aedes mosquito to humans and animals. It is important to
control dengue disease by reducing the spread of Aedes mosquito vectors.
Community awareness plays acrucial role to ensure Aedes control programmes and
encourages the communities to involve active participation. Identifying the
species of mosquito will help to recognize the mosquito density in the locality
and intensifying mosquito control efforts in particular areas. This willhelp in
avoiding Aedes breeding sites around residential areas and reduce adult
mosquitoes. To serve this purpose, an android application are developed to
identify Aedes species that help the community to contribute in mosquito
control events. Several Android applications have been developed to identify
species like birds, plant species, and Anopheles mosquito species. In this
work, a user-friendly mobile application mAedesID is developed for identifying
the Aedes mosquito species using a deep learning Convolutional Neural Network
(CNN) algorithm which is best suited for species image classification and
achieves better accuracy for voluminous images. The mobile application can be
downloaded from the URLhttps://tinyurl.com/mAedesID.
- Abstract（参考訳）: ベクター・ボーン病(英: vector-borne disease、vbd)は、蚊が媒介する感染症である。
Aedes 蚊ベクターの拡散を減らしてデング病を抑えることが重要である。
コミュニティの意識は、エイデスのプログラムを確実に制御し、コミュニティに活発な参加を促すために、厳しい役割を担っている。
蚊の種を特定することは、地域の蚊の密度を認識し、特定の地域で蚊の防除活動を強化するのに役立つ。
これは、住宅地周辺のエーズ繁殖地を避け、成虫の蚊を減らすのに役立つ。
この目的を達成するために、コミュニティが蚊のコントロールイベントに貢献するのに役立つAedes種を特定するアンドロイドアプリケーションを開発した。
いくつかのAndroidアプリケーションは、鳥類、植物種、およびアノフェレス蚊種などの種を特定するために開発されている。
本研究では,種画像分類に適した深層学習畳み込みニューラルネットワーク(cnn)アルゴリズムを用いて,aedesモスキート種を識別するためのユーザフレンドリーなモバイルアプリケーションmaedesidを開発した。
モバイルアプリはURLhttps://tinyurl.com/mAedesIDからダウンロードできる。
関連論文リスト
- Acoustic Identification of Ae. aegypti Mosquitoes using Smartphone Apps
and Residual Convolutional Neural Networks [0.8808021343665321]
我々は,Aedes aegypti 蚊の増殖に対する住民の意識を高めるために,低コストでデプロイが容易なスマートフォンアプリを提案する。
このようなスマートフォンアプリを開発するのは、さまざまな理由から難しい。スマートフォンのリソースを使って捕獲できる機能に基づいて蚊を識別するために必要な、成熟度の高い技術などだ。
論文 参考訳（メタデータ） (2023-06-16T13:41:01Z) - A Mosquito is Worth 16x16 Larvae: Evaluation of Deep Learning
Architectures for Mosquito Larvae Classification [0.04170934882758552]
本研究では、視覚変換器(ViT)を応用して、AedesおよびCulex幼虫の画像分類を改善する。
ViT-BaseとCvT-13の2つのモデルと2つのCNNモデルであるResNet-18とConvNeXTは、蚊幼虫の画像データに基づいて訓練され、蚊幼虫をAedesまたはCulexと区別する最も効果的なモデルを決定するために比較された。
論文 参考訳（メタデータ） (2022-09-16T04:49:50Z) - Neuroevolution-based Classifiers for Deforestation Detection in Tropical
Forests [62.997667081978825]
森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。
監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。
本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
論文 参考訳（メタデータ） (2022-08-23T16:04:12Z) - Adversarial Camouflage for Node Injection Attack on Graphs [64.5888846198005]
グラフニューラルネットワーク(GNN)に対するノードインジェクション攻撃は、GNNのパフォーマンスを高い攻撃成功率で低下させる能力のため、近年注目を集めている。
本研究は,これらの攻撃が現実的なシナリオでしばしば失敗することを示す。
これを解決するため,我々はカモフラージュノードインジェクション攻撃(camouflage node Injection attack)に取り組んだ。
論文 参考訳（メタデータ） (2022-08-03T02:48:23Z) - On the use of uncertainty in classifying Aedes Albopictus mosquitoes [1.6758573326215689]
畳み込みニューラルネットワーク(CNN)は、画像中の蚊を認識するためにいくつかの研究で使われてきた。
本稿では,モンテカルロ・ドロップアウト法を用いて不確実性のスコアを推定し,分類標本のランク付けを行う。
論文 参考訳（メタデータ） (2021-10-29T16:58:25Z) - HumBugDB: A Large-scale Acoustic Mosquito Dataset [15.108701811353097]
本稿では,蚊の飛行中を連続的に追跡した音響記録の大規模多種多様なデータセットについて述べる。
専門的にラベル付けされ、タグ付けされた20時間の音声記録を、正確に時間内に提示する。
18時間の録音には36種のアノテーションが含まれている。
論文 参考訳（メタデータ） (2021-10-14T14:18:17Z) - High performing ensemble of convolutional neural networks for insect
pest image detection [124.23179560022761]
害虫の寄生は作物の被害の主な原因であり、世界中の収入を失った。
我々は異なるトポロジに基づいてCNNのアンサンブルを生成する。
ディープネットワーク最適化のための2つの新しいAdamアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-08-28T00:49:11Z) - One-Shot Learning with Triplet Loss for Vegetation Classification Tasks [45.82374977939355]
三重項損失関数は、ワンショット学習タスクの精度を大幅に向上できる選択肢の1つである。
2015年からは、多くのプロジェクトがシームズネットワークとこの種の損失を顔認識とオブジェクト分類に利用している。
論文 参考訳（メタデータ） (2020-12-14T10:44:22Z) - Fooling the primate brain with minimal, targeted image manipulation [67.78919304747498]
本稿では、行動に反映される神経活動と知覚の両方の変化をもたらす、最小限の標的画像摂動を生成するための一連の手法を提案する。
我々の研究は、敵対的攻撃、すなわち最小限のターゲットノイズによる画像の操作で同じ目標を共有し、ANNモデルに画像の誤分類を誘導する。
論文 参考訳（メタデータ） (2020-11-11T08:30:54Z) - Digital Ariadne: Citizen Empowerment for Epidemic Control [55.41644538483948]
新型コロナウイルスの危機は、1918年のH1N1パンデミック以来、公衆衛生にとって最も危険な脅威である。
技術支援による位置追跡と接触追跡は、広く採用されれば、感染症の拡散を抑えるのに役立つかもしれない。
個人のデバイス上での自発的な位置情報とBluetoothトラッキングに基づいて、"diAry"や"digital Ariadne"と呼ばれるツールを提示する。
論文 参考訳（メタデータ） (2020-04-16T15:53:42Z) - HumBug Zooniverse: a crowd-sourced acoustic mosquito dataset [5.3909333359654275]
我々は蚊のオーディオ記録のデータセットを新たにリリースした。
1千人以上のコントリビューターとともに、2秒間のラベルが195,434個のラベルを入手しました。
本稿では、ログメル特徴量に基づいて畳み込みニューラルネットワークをトレーニングし、ラベルの情報内容を示すデータセットの例を示す。
論文 参考訳（メタデータ） (2020-01-14T12:06:17Z)
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。