論文の概要: Automated Visual Monitoring of Nocturnal Insects with Light-based Camera
Traps
- arxiv url: http://arxiv.org/abs/2307.15433v1
- Date: Fri, 28 Jul 2023 09:31:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-31 13:04:12.753421
- Title: Automated Visual Monitoring of Nocturnal Insects with Light-based Camera
Traps
- Title(参考訳): 光型カメラトラップによる夜間昆虫の自動視覚モニタリング
- Authors: Dimitri Korsch, Paul Bodesheim, Gunnar Brehm, Joachim Denzler
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 9.274371635733836
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatic camera-assisted monitoring of insects for abundance estimations is
crucial to understand and counteract ongoing insect decline. In this paper, we
present two datasets of nocturnal insects, especially moths as a subset of
Lepidoptera, photographed in Central Europe. One of the datasets, the EU-Moths
dataset, was captured manually by citizen scientists and contains species
annotations for 200 different species and bounding box annotations for those.
We used this dataset to develop and evaluate a two-stage pipeline for insect
detection and moth species classification in previous work. We further
introduce a prototype for an automated visual monitoring system. This prototype
produced the second dataset consisting of more than 27,000 images captured on
95 nights. For evaluation and bootstrapping purposes, we annotated a subset of
the images with bounding boxes enframing nocturnal insects. Finally, we present
first detection and classification baselines for these datasets and encourage
other scientists to use this publicly available data.
- Abstract(参考訳): 昆虫の個体数推定のための自動カメラモニタリングは, 昆虫の個体数減少の理解と対策に不可欠である。
本稿では,中央ヨーロッパで撮影された,夜行性昆虫の2つのデータセット,特にヒメバチ亜科(lepidoptera)の亜種(moths)について述べる。
データセットの1つである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とそれらのための境界ボックスアノテーションを含んでいる。
このデータセットを用いて昆虫検出のための2段階のパイプラインの開発と評価を行った。
さらに,視覚自動監視システムのプロトタイプについても紹介する。
この試作機は95夜に撮影された27,000以上の画像からなる2番目のデータセットを作成した。
評価とブートストラップを目的として,夜間昆虫を囲む有界箱で画像のサブセットに注釈を付けた。
最後に、これらのデータセットの最初の検出と分類基準を示し、他の科学者にこの公開データの使用を奨励する。
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) - Insect Identification in the Wild: The AMI Dataset [35.41544843896443]
昆虫は世界の生物多様性の半分を占めるが、世界の昆虫の多くは姿を消している。
この危機にもかかわらず、昆虫の多様性と豊かさに関するデータはいまだに不十分である。
昆虫認識のための大規模な機械学習ベンチマークを初めて提供します。
論文 参考訳(メタデータ) (2024-06-18T09:57:02Z) - Insect-Foundation: A Foundation Model and Large-scale 1M Dataset for Visual Insect Understanding [15.383106771910274]
現在のマシンビジョンモデルは、高性能を達成するために大量のデータを必要とする。
Insect-1M"データセットは,昆虫に関する基礎モデルトレーニングに革命をもたらすことを意図したゲーム変更リソースである。
私たちのデータセットは、昆虫の幅広い範囲をカバーしており、100万枚の画像を含む分類分類階層と昆虫の記載の密度の高い識別ラベルは、昆虫学のパノラマ的なビューを提供する。
論文 参考訳(メタデータ) (2023-11-26T06:17:29Z) - Multimodal Foundation Models for Zero-shot Animal Species Recognition in
Camera Trap Images [57.96659470133514]
モーションアクティベートカメラトラップは、世界中の野生生物を追跡・監視するための効率的なツールである。
教師付き学習技術は、そのような画像を分析するためにうまく展開されているが、そのような訓練には専門家のアノテーションが必要である。
コストのかかるラベル付きデータへの依存を減らすことは、人間の労働力を大幅に減らした大規模野生生物追跡ソリューションを開発する上で、大きな可能性を秘めている。
論文 参考訳(メタデータ) (2023-11-02T08:32:00Z) - Deep Learning Pipeline for Automated Visual Moth Monitoring: Insect
Localization and Species Classification [10.423464288613275]
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。
論文 参考訳(メタデータ) (2023-07-28T09:22:09Z) - Motion Informed Object Detection of Small Insects in Time-lapse Camera
Recordings [1.3965477771846408]
タイムラプスRGB画像における昆虫検出のためのパイプラインを提案する。
モーション・インフォームド・エンハンスメント(Motion-Informed-Enhancement)技術は、動きと色を使って画像中の昆虫を強化する。
You Only Look Once (YOLO) と Faster Region-based CNN (Faster R-CNN) によるディープラーニング物体検出法の改良
論文 参考訳(メタデータ) (2022-12-01T10:54:06Z) - Bugs in the Data: How ImageNet Misrepresents Biodiversity [98.98950914663813]
ImageNet-1k検証セットで野生動物を表す269のクラスから13450の画像を解析した。
多くのクラスが未定義あるいは重複しており、画像の12%が誤ってラベル付けされていることがわかった。
また,ImageNet-1kに含まれる野生生物関連ラベルと画像の両方が,地理的,文化的に有意な偏見を呈していることがわかった。
論文 参考訳(メタデータ) (2022-08-24T17:55:48Z) - A Multi-purpose Real Haze Benchmark with Quantifiable Haze Levels and
Ground Truth [61.90504318229845]
本稿では,ハズフリー画像とその場でのハズ密度測定を併用した,最初の実画像ベンチマークデータセットを提案する。
このデータセットはコントロールされた環境で生成され、プロの煙発生装置がシーン全体を覆っている。
このデータセットのサブセットは、CVPR UG2 2022 チャレンジの Haze Track における Object Detection に使用されている。
論文 参考訳(メタデータ) (2022-06-13T19:14:06Z) - Florida Wildlife Camera Trap Dataset [48.99466876948454]
フロリダ州南西部の2つの異なる場所から収集された野生生物カメラトラップ分類データセットについて紹介する。
データセットは104,495枚の画像からなり、視覚的に類似した種、様々な照明条件、スキュードクラス分布、絶滅危惧種のサンプルを含む。
論文 参考訳(メタデータ) (2021-06-23T18:53:15Z) - Perceiving Traffic from Aerial Images [86.994032967469]
本研究では,空中画像中の物体を検出するために,バタフライ検出器と呼ばれる物体検出手法を提案する。
UAVDT(UAVDT)とVisDrone 2019(VisDrone 2019)の2つのUAVデータセット上でButterfly Detectorを評価し、従来の最先端の手法よりも高速に動作し、かつリアルタイムに動作可能であることを示す。
論文 参考訳(メタデータ) (2020-09-16T11:37:43Z) - 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。