論文の概要: Deep Learning Pipeline for Automated Visual Moth Monitoring: Insect
Localization and Species Classification
- arxiv url: http://arxiv.org/abs/2307.15427v1
- Date: Fri, 28 Jul 2023 09:22:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-31 13:02:23.780150
- Title: Deep Learning Pipeline for Automated Visual Moth Monitoring: Insect
Localization and Species Classification
- Title(参考訳): 視覚自動モニタリングのための深層学習パイプライン:昆虫の局在と種分類
- Authors: Dimitri Korsch, Paul Bodesheim, Joachim Denzler
- Abstract要約: 本稿では,マウススキャナーが捉えた画像を分析するためのディープラーニングパイプラインを提案する。
本研究はまず寄生虫検出装置を用いて個体を局在させ,その後に検出された昆虫の種類を決定する。
我々の検出器は平均精度99.01%に達し、分類器は画像の切り抜きにおいて精度93.13%の精度で200種を識別する。
- 参考スコア(独自算出の注目度): 10.423464288613275
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Biodiversity monitoring is crucial for tracking and counteracting adverse
trends in population fluctuations. However, automatic recognition systems are
rarely applied so far, and experts evaluate the generated data masses manually.
Especially the support of deep learning methods for visual monitoring is not
yet established in biodiversity research, compared to other areas like
advertising or entertainment. In this paper, we present a deep learning
pipeline for analyzing images captured by a moth scanner, an automated visual
monitoring system of moth species developed within the AMMOD project. We first
localize individuals with a moth detector and afterward determine the species
of detected insects with a classifier. Our detector achieves up to 99.01% mean
average precision and our classifier distinguishes 200 moth species with an
accuracy of 93.13% on image cutouts depicting single insects. Combining both in
our pipeline improves the accuracy for species identification in images of the
moth scanner from 79.62% to 88.05%.
- Abstract(参考訳): 生物多様性モニタリングは、人口変動の悪さの追跡と対策に不可欠である。
しかし, 自動認識システムはほとんど適用されず, 専門家は手動で生成したデータ量を評価する。
特に、視覚監視のためのディープラーニング手法のサポートは、広告やエンターテイメントといった他の分野と比較して、生物多様性研究にはまだ確立されていない。
本稿では,AMMODプロジェクト内で開発されたマウスの自動視覚モニタリングシステムであるモーススキャナーによる画像解析のためのディープラーニングパイプラインを提案する。
まず, 個体をマス検出器で同定し, その後, 分類器を用いて検出された昆虫の種類を判定する。
この検出器は平均平均精度99.01%に達し、分類器は1匹の昆虫を描写した画像カットアウトの精度93.13%で200種を識別する。
両者をパイプラインに組み合わせることで、モーススキャナの画像中の種同定の精度が79.62%から88.05%に向上する。
関連論文リスト
- A machine learning pipeline for automated insect monitoring [17.034158815607128]
カメラトラップは、これまでは地上の脊椎動物をモニタリングするために用いられていました。
われわれは、カメラトラップによるマウスの自動監視のための、完全なオープンソースの機械学習ベースのソフトウェアパイプラインについて説明する。
論文 参考訳(メタデータ) (2024-06-18T19:51:16Z) - Low Cost Machine Vision for Insect Classification [33.7054351451505]
本稿では,低コストでスケーラブルなオープンソースシステムとして開発されたマルチセンサシステムの一部として,イメージング手法を提案する。
このシステムは、同じ昆虫種16種と異なる属、家系、順序からなるデータセットで、例に評価される。
種間類似度の高い種を分類するためには,昆虫のイメージトリミングが必要であることが証明された。
論文 参考訳(メタデータ) (2024-04-26T15:43:24Z) - Automated Visual Monitoring of Nocturnal Insects with Light-based Camera
Traps [9.274371635733836]
我々は、中央ヨーロッパで撮影された2つの夜行性昆虫、特にハダカメムシの亜種として、夜行性昆虫のデータセットを提示する。
1つのデータセットであるEU-Mothsデータセットは、市民科学者によって手動で取得され、200種の種アノテーションを含んでいる。
第2のデータセットは、95晩に撮影された27,000枚以上の画像で構成されている。
論文 参考訳(メタデータ) (2023-07-28T09:31:36Z) - Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。
従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。
本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
論文 参考訳(メタデータ) (2023-06-05T03:36:01Z) - Evaluation of the potential of Near Infrared Hyperspectral Imaging for
monitoring the invasive brown marmorated stink bug [53.682955739083056]
BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。
本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
論文 参考訳(メタデータ) (2023-01-19T11:37:20Z) - Deep object detection for waterbird monitoring using aerial imagery [56.1262568293658]
本研究では,商用ドローンで収集した空中画像を用いて,水鳥の正確な検出,数え,監視に使用できる深層学習パイプラインを提案する。
畳み込み型ニューラルネットワークを用いた物体検出装置を用いて,テキサス沿岸の植民地性営巣島でよく見られる16種類の水鳥を検出できることを示す。
論文 参考訳(メタデータ) (2022-10-10T17:37:56Z) - Active Gaze Control for Foveal Scene Exploration [124.11737060344052]
本研究では,葉型カメラを用いた人間とロボットが現場を探索する方法をエミュレートする手法を提案する。
提案手法は,同数の視線シフトに対してF1スコアを2~3ポイント増加させる。
論文 参考訳(メタデータ) (2022-08-24T14:59:28Z) - 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) - LudVision -- Remote Detection of Exotic Invasive Aquatic Floral Species
using Drone-Mounted Multispectral Data [0.34998703934432673]
ルートヴィヒア・ペプロイドは、欧州連合によって水生侵略種と見なされている。
我々の目標は、種の存在を特定する方法を開発することであった。
得られた画像から対象種を同定するため,Ludwigia p。
論文 参考訳(メタデータ) (2022-07-12T15:43:21Z) - Automatic image-based identification and biomass estimation of
invertebrates [70.08255822611812]
時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。
我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。
分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
論文 参考訳(メタデータ) (2020-02-05T21:38:57Z)
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。