論文の概要: Prawn Morphometrics and Weight Estimation from Images using Deep Learning for Landmark Localization

• arxiv url: http://arxiv.org/abs/2307.07732v1
• Date: Sat, 15 Jul 2023 07:05:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-18 18:06:54.472283
• Title: Prawn Morphometrics and Weight Estimation from Images using Deep Learning for Landmark Localization
• Title（参考訳）: ランドマーク定位のための深層学習によるエビの形態計測と画像からの重量推定
• Authors: Alzayat Saleh, Md Mehedi Hasan, Herman W Raadsma, Mehar S Khatkar, Dean R Jerry, and Mostafa Rahimi Azghadi
• Abstract要約: 我々は,黒トラエビ(Penaeus monodon)をモデル甲殻類として,体重推定と形態計測を自動化するための新しい手法を開発した。 形態計測解析では,検出されたランドマークを用いて5つの重要なエビ形質を抽出した。 実験の結果,新しいDL手法は,精度,堅牢性,効率の点で,既存のDL手法よりも優れていることがわかった。
• 参考スコア（独自算出の注目度）: 2.778518997767646
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Accurate weight estimation and morphometric analyses are useful in aquaculture for optimizing feeding, predicting harvest yields, identifying desirable traits for selective breeding, grading processes, and monitoring the health status of production animals. However, the collection of phenotypic data through traditional manual approaches at industrial scales and in real-time is time-consuming, labour-intensive, and prone to errors. Digital imaging of individuals and subsequent training of prediction models using Deep Learning (DL) has the potential to rapidly and accurately acquire phenotypic data from aquaculture species. In this study, we applied a novel DL approach to automate weight estimation and morphometric analysis using the black tiger prawn (Penaeus monodon) as a model crustacean. The DL approach comprises two main components: a feature extraction module that efficiently combines low-level and high-level features using the Kronecker product operation; followed by a landmark localization module that then uses these features to predict the coordinates of key morphological points (landmarks) on the prawn body. Once these landmarks were extracted, weight was estimated using a weight regression module based on the extracted landmarks using a fully connected network. For morphometric analyses, we utilized the detected landmarks to derive five important prawn traits. Principal Component Analysis (PCA) was also used to identify landmark-derived distances, which were found to be highly correlated with shape features such as body length, and width. We evaluated our approach on a large dataset of 8164 images of the Black tiger prawn (Penaeus monodon) collected from Australian farms. Our experimental results demonstrate that the novel DL approach outperforms existing DL methods in terms of accuracy, robustness, and efficiency.
• Abstract（参考訳）: 正確な重量推定と形態計測分析は、摂餌の最適化、収穫収量予測、選択的繁殖のための望ましい形質の同定、採食過程、生産動物の健康状態の監視に有用である。 しかしながら、産業規模やリアルタイムにおける従来の手動アプローチによる表現型データの収集は、時間がかかり、労働集約的であり、エラーを起こしやすい。 深層学習(DL)を用いた個体のデジタルイメージングとその後の予測モデルの訓練は、水生生物から表現型データを迅速かつ正確に取得する可能性がある。 本研究では,黒トラエビ(penaeus monodon)をモデル甲殻類として,重量推定と形態計測の自動化に新しいdl法を適用した。 dlアプローチは、クロネッカー製品操作を用いて、低レベルと高レベルの機能を効率的に結合する特徴抽出モジュールと、これらの特徴を用いてエビの体の重要な形態的点(ランドマーク)の座標を予測するランドマークローカライズモジュールの2つの主成分から構成される。 これらのランドマークを抽出した後、完全に接続されたネットワークを用いて抽出されたランドマークに基づいて重量回帰モジュールを用いて重量を推定した。 形態計測解析では,検出されたランドマークを用いて5つの重要なエビ形質を抽出した。 主成分分析 (principal component analysis, pca) はランドマーク由来の距離の同定にも用いられ, 体長, 幅などの形状特徴と高い相関が認められた。 オーストラリアで採集されたクロタイガーエビ(penaeus monodon)の8164画像の大規模データセットについて検討した。 実験の結果,新しいDL手法は,精度,堅牢性,効率の点で既存のDL手法よりも優れていた。

関連論文リスト

• Benchmarking Fish Dataset and Evaluation Metric in Keypoint Detection -- Towards Precise Fish Morphological Assessment in Aquaculture Breeding [6.332060647845203]
  6種の魚種にまたがる高解像度画像23,331枚からなる包括的データセット「フィッシュフェノキー」を紹介した。 FishPhenoKeyには22の表現型指向アノテーションが含まれており、複雑な形態的表現型をキャプチャすることができる。 また,新しい評価指標として,測定値のパーセンテージ(percentage of Measured Phenotype)を提案する。
  論文  参考訳（メタデータ） (2024-05-21T03:36:13Z)
• The Languini Kitchen: Enabling Language Modelling Research at Different Scales of Compute [66.84421705029624]
  本稿では,アクセル時間で測定された等価計算に基づくモデル比較を可能にする実験的プロトコルを提案する。 私たちは、既存の学術的ベンチマークを上回り、品質、多様性、文書の長さで上回る、大規模で多様で高品質な書籍データセットを前処理します。 この研究は、GPT-2アーキテクチャから派生したフィードフォワードモデルと、10倍のスループットを持つ新しいLSTMの形式でのリカレントモデルという2つのベースラインモデルも提供する。
  論文  参考訳（メタデータ） (2023-09-20T10:31:17Z)
• Depth video data-enabled predictions of longitudinal dairy cow body weight using thresholding and Mask R-CNN algorithms [3.6809995018369936]
  本研究の目的は,繰り返し計測されたビデオデータから牛の体重を予測することである。 単一しきい値,適応しきい値,マスクR-CNNの3つのアプローチについて検討した。 その結果,深層学習に基づくセグメンテーションにより,長手深度映像データから牛の体重予測性能が向上することが示唆された。
  論文  参考訳（メタデータ） (2023-07-03T22:27:37Z)
• Exploring the Effectiveness of Dataset Synthesis: An application of Apple Detection in Orchards [68.95806641664713]
  本研究では,リンゴ樹の合成データセットを生成するための安定拡散2.1-baseの有用性について検討する。 我々は、現実世界のリンゴ検出データセットでリンゴを予測するために、YOLOv5mオブジェクト検出モデルを訓練する。 その結果、実世界の画像でトレーニングされたベースラインモデルと比較して、生成データでトレーニングされたモデルはわずかに性能が劣っていることがわかった。
  論文  参考訳（メタデータ） (2023-06-20T09:46:01Z)
• Watermarking for Out-of-distribution Detection [76.20630986010114]
  Out-of-Distribution (OOD) 検出は、よく訓練された深層モデルから抽出された表現に基づいてOODデータを識別することを目的としている。 本稿では,透かしという一般的な手法を提案する。 我々は,元データの特徴に重畳される統一パターンを学習し,ウォーターマーキング後にモデルの検出能力が大きく向上する。
  論文  参考訳（メタデータ） (2022-10-27T06:12:32Z)
• Generative models-based data labeling for deep networks regression: application to seed maturity estimation from UAV multispectral images [3.6868861317674524]
  種子の成熟度モニタリングは、気候変動とより制限的な慣行による農業における課題の増加である。 従来の手法は、フィールドでの限られたサンプリングと実験室での分析に基づいている。 マルチスペクトルUAV画像を用いたパセリ種子の成熟度推定手法の提案と,自動ラベリングのための新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2022-08-09T09:06:51Z)
• End-to-end deep learning for directly estimating grape yield from ground-based imagery [53.086864957064876]
  本研究は, ブドウ畑の収量推定に深層学習と併用した近位画像の応用を実証する。 オブジェクト検出、CNN回帰、トランスフォーマーモデルという3つのモデルアーキテクチャがテストされた。 本研究は,ブドウの収量予測における近位画像と深層学習の適用性を示した。
  論文  参考訳（メタデータ） (2022-08-04T01:34:46Z)
• Coarse-to-fine Animal Pose and Shape Estimation [67.39635503744395]
  単一画像から3次元動物メッシュを再構成する粗大なアプローチを提案する。 粗い推定段階はまずSMALモデルのポーズ、形状、翻訳パラメータを推定する。 次に、推定メッシュをグラフ畳み込みネットワーク(GCN)によって開始点として使用し、精製段階における頂点毎の変形を予測する。
  論文  参考訳（メタデータ） (2021-11-16T01:27:20Z)
• Vision-based Behavioral Recognition of Novelty Preference in Pigs [1.837722971703011]
  研究データの行動スコアリングは、ドメイン固有のメトリクスを抽出するために重要であるが、人間の労働力を用いて膨大な量の情報を分析する能力にボトルネックがある。 ディープラーニングは、このボトルネックを緩和するための重要な進歩として広く見なされている。 我々は,手動スコアリングのプロセスを緩和するために,ディープラーニングを活用できる分野を1つ同定する。
  論文  参考訳（メタデータ） (2021-06-23T06:10:34Z)
• Deep Low-Shot Learning for Biological Image Classification and Visualization from Limited Training Samples [52.549928980694695]
  In situ hybridization (ISH) gene expression pattern image from the same developmental stage。 正確な段階のトレーニングデータをラベル付けするのは、生物学者にとっても非常に時間がかかる。 限られた訓練画像を用いてISH画像を正確に分類する2段階の低ショット学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-10-20T06:06:06Z)
• A Realistic Fish-Habitat Dataset to Evaluate Algorithms for Underwater Visual Analysis [2.6476746128312194]
  我々は、DeepFishを大規模データセットでベンチマークスイートとして提示し、いくつかのコンピュータビジョンタスクのためのメソッドをトレーニングし、テストする。 このデータセットは、熱帯オーストラリアの海洋環境にある20の温帯生物から採取された約4万枚の画像で構成されている。 実験では,データセットの特徴を詳細に分析し,いくつかの最先端手法の性能評価を行った。
  論文  参考訳（メタデータ） (2020-08-28T12:20:59Z)

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。