Fugu-MT 論文翻訳(概要): Acoustic Identification of Ae. aegypti Mosquitoes using Smartphone Apps and Residual Convolutional Neural Networks

論文の概要: Acoustic Identification of Ae. aegypti Mosquitoes using Smartphone Apps and Residual Convolutional Neural Networks

arxiv url: http://arxiv.org/abs/2306.10091v1
Date: Fri, 16 Jun 2023 13:41:01 GMT
ステータス: 処理完了
システム内更新日: 2023-06-22 00:25:44.245675
Title: Acoustic Identification of Ae. aegypti Mosquitoes using Smartphone Apps and Residual Convolutional Neural Networks
Title（参考訳）: Aeの音響的同定スマートフォンアプリと残差畳み込みニューラルネットワークを用いたaegypti Mosquitoes
Authors: Kayu\~a Oleques Paim and Ricardo Rohweder and Mariana Recamonde-Mendoza and Rodrigo Brand\~ao Mansilha1 and Weverton Cordeiro
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.8808021343665321
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we advocate in favor of smartphone apps as low-cost, easy-to-deploy solution for raising awareness among the population on the proliferation of Aedes aegypti mosquitoes. Nevertheless, devising such a smartphone app is challenging, for many reasons, including the required maturity level of techniques for identifying mosquitoes based on features that can be captured using smartphone resources. In this paper, we identify a set of (non-exhaustive) requirements that smartphone apps must meet to become an effective tooling in the fight against Ae. aegypti, and advance the state-of-the-art with (i) a residual convolutional neural network for classifying Ae. aegypti mosquitoes from their wingbeat sound, (ii) a methodology for reducing the influence of background noise in the classification process, and (iii) a dataset for benchmarking solutions for detecting Ae. aegypti mosquitoes from wingbeat sound recordings. From the analysis of accuracy and recall, we provide evidence that convolutional neural networks have potential as a cornerstone for tracking mosquito apps for smartphones.
Abstract（参考訳）: 本稿では,aedes aegypti 蚊の増殖に対する住民の意識を高めるために,スマートフォンアプリを低コストで展開しやすいソリューションとして推奨する。しかし、このようなスマートフォンアプリを開発するのは、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レベルなど、多くの理由から難しい。本稿では,スマートフォンアプリがAeとの戦いにおいて,効果的なツールとなるために満たさなければならない,一連の要求事項を特定する。 aegypti (複数形 aegyptis または aegyptis) i)Aeを分類するための残差畳み込みニューラルネットワーク。ウイングビートの音で蚊を刺す (ii)分類過程における背景雑音の影響を低減する方法、及び (iii)ae検出のためのベンチマークソリューションのためのデータセット。 aegypti mosquitos from wingbeat sound recordings(英語) 正確さと記憶力の分析から,畳み込みニューラルネットワークがスマートフォンの蚊アプリ追跡の基礎となる可能性を示唆する。

関連論文リスト

Automatic AI Model Selection for Wireless Systems: Online Learning via Digital Twinning [50.332027356848094]
AIベースのアプリケーションは、スケジューリングや電力制御などの機能を実行するために、インテリジェントコントローラにデプロイされる。コンテキストとAIモデルのパラメータのマッピングは、ゼロショット方式で理想的に行われる。本稿では,AMSマッピングのオンライン最適化のための一般的な手法を紹介する。
論文参考訳（メタデータ） (2024-06-22T11:17:50Z)
MosquIoT: A System Based on IoT and Machine Learning for the Monitoring of Aedes aegypti (Diptera: Culicidae) [0.0]
本稿では,MosquIoTという革新的なシステムの設計,開発,テストについて述べる。組み込みモノのインターネット(IoT)とTiny Machine Learning(TinyML)技術を使った従来のオヴィタラップに基づいて、Ae. aegyptiエッグの検出と定量化を可能にする。
論文参考訳（メタデータ） (2024-01-29T16:08:18Z)
Convolutional Monge Mapping Normalization for learning on sleep data [63.22081662149488]
我々は、CMMN(Convolutional Monge Mapping Normalization)と呼ばれる新しい手法を提案する。 CMMNは、そのパワースペクトル密度(PSD)をトレーニングデータに基づいて推定されるワッサーシュタインバリセンタに適応させるために、信号をフィルタリングする。睡眠脳波データに関する数値実験により、CMMNはニューラルネットワークアーキテクチャから独立して、顕著で一貫したパフォーマンス向上をもたらすことが示された。
論文参考訳（メタデータ） (2023-05-30T08:24:01Z)
mAedesID: Android Application for Aedes Mosquito Species Identification using Convolutional Neural Network [0.0]
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。
論文参考訳（メタデータ） (2023-05-02T14:20:13Z)
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)
Project Achoo: A Practical Model and Application for COVID-19 Detection from Recordings of Breath, Voice, and Cough [55.45063681652457]
コンシューマー端末で録音した音声を用いて、新型コロナウイルスを迅速にトリアージする機械学習手法を提案する。この手法は,信号処理手法と微調整深層学習ネットワークを組み合わせることで,信号の識別,コークス検出,分類を行う手法を提供する。我々はまた、症状チェッカーと音声、息、うず信号を使って新型コロナウイルスの感染を検知するモバイルアプリケーションを開発し、展開した。
論文参考訳（メタデータ） (2021-07-12T08:07:56Z)
Spotting adversarial samples for speaker verification by neural vocoders [102.1486475058963]
我々は、自動話者検証(ASV)のための敵対サンプルを見つけるために、ニューラルボコーダを採用する。元の音声と再合成音声のASVスコアの違いは、真正と逆正のサンプルの識別に良い指標であることがわかった。私たちのコードは、将来的な比較作業のためにオープンソースにされます。
論文参考訳（メタデータ） (2021-07-01T08:58:16Z)
Facial Masks and Soft-Biometrics: Leveraging Face Recognition CNNs for Age and Gender Prediction on Mobile Ocular Images [53.913598771836924]
スマートフォンで撮影した自撮り眼画像を使って年齢や性別を推定します。 ImageNet Challengeの文脈で提案された2つの既存の軽量CNNを適応させる。一部のネットワークは顔認識のためにさらにトレーニングされており、非常に大規模なトレーニングデータベースが利用可能です。
論文参考訳（メタデータ） (2021-03-31T01:48:29Z)
Detecting Aedes Aegypti Mosquitoes through Audio Classification with Convolutional Neural Networks [1.0323063834827415]
蚊の流行に対するコミュニティの認識を高めるための戦略は、スマートフォンアプリとクラウドソーシングを使って、蚊の流行のライブマップを構築することである。本稿では,市販スマートフォンから取得した機械学習技術と音声分析を用いて,Aedes aegypti 蚊の同定の可能性を検討する。
論文参考訳（メタデータ） (2020-08-19T00:26:21Z)
Automatic Detection of Aedes aegypti Breeding Grounds Based on Deep Networks with Spatio-Temporal Consistency [2.4858193569899907]
Aedes aegypti 蚊はデングジカ、チクングニャ、都市部の黄熱といった病気に感染する。これらの病気に対処するための主要な形態は、蚊の繁殖地を探し、排除することで蚊の繁殖を避けることである。本研究では,蚊の繁殖場所を含む無人航空機で取得した航空映像の包括的データセットを紹介する。
論文参考訳（メタデータ） (2020-07-29T14:30:54Z)
Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant Disease Diagnosis [64.82680813427054]
植物病は食料安全保障と作物生産に対する主要な脅威の1つである。 1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
論文参考訳（メタデータ） (2020-03-17T09:51:30Z)

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。