論文の概要: Application for White Spot Syndrome Virus (WSSV) Monitoring using Edge Machine Learning

• arxiv url: http://arxiv.org/abs/2308.04151v1
• Date: Tue, 8 Aug 2023 09:32:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-09 13:25:50.277576
• Title: Application for White Spot Syndrome Virus (WSSV) Monitoring using Edge Machine Learning
• Title（参考訳）: エッジ機械学習を用いた白斑症候群ウイルス(WSSV)モニタリングへの応用
• Authors: Lorenzo S. Querol, Macario O. Cordel II, Dan Jeric A. Rustia, Mary Nia M. Santos
• Abstract要約: 水産産業はエビの輸出に強く依存しており、ホワイトスポット症候群ウイルス(WSSV)のようなウイルス感染による課題に直面している。 そこで本研究では,WSSV認識のための限られたデータに対する課題について検討した。 データ収集とモニタリングに特化したモバイルアプリケーションは、WSSV認識モデルをトレーニングするイメージデータセットの作成を容易にするために開発された。
• 参考スコア（独自算出の注目度）: 0.8602553195689513
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The aquaculture industry, strongly reliant on shrimp exports, faces challenges due to viral infections like the White Spot Syndrome Virus (WSSV) that severely impact output yields. In this context, computer vision can play a significant role in identifying features not immediately evident to skilled or untrained eyes, potentially reducing the time required to report WSSV infections. In this study, the challenge of limited data for WSSV recognition was addressed. A mobile application dedicated to data collection and monitoring was developed to facilitate the creation of an image dataset to train a WSSV recognition model and improve country-wide disease surveillance. The study also includes a thorough analysis of WSSV recognition to address the challenge of imbalanced learning and on-device inference. The models explored, MobileNetV3-Small and EfficientNetV2-B0, gained an F1-Score of 0.72 and 0.99 respectively. The saliency heatmaps of both models were also observed to uncover the "black-box" nature of these models and to gain insight as to what features in the images are most important in making a prediction. These results highlight the effectiveness and limitations of using models designed for resource-constrained devices and balancing their performance in accurately recognizing WSSV, providing valuable information and direction in the use of computer vision in this domain.
• Abstract（参考訳）: 養殖産業はエビの輸出に強く依存しており、生産に深刻な影響を及ぼすホワイトスポット症候群ウイルス(WSSV)のようなウイルス感染による課題に直面している。 この文脈では、コンピュータビジョンは、熟練した目や訓練されていない目ですぐに明らかでない特徴を特定する上で重要な役割を果たす。 本研究は,WSSV認識のための限られたデータに対する課題である。 データ収集とモニタリングに特化したモバイルアプリケーションは、WSSV認識モデルをトレーニングし、国全体の疾病監視を改善するためのイメージデータセットの作成を容易にするために開発された。 この研究は、不均衡学習とデバイス上の推論の課題に対処するために、WSSV認識の徹底的な分析も含んでいる。 MobileNetV3-SmallとEfficientNetV2-B0がそれぞれ0.72と0.99のF1スコアを獲得した。 両方のモデルの塩分ヒートマップは、これらのモデルの「ブラックボックス」の性質を明らかにし、画像のどの特徴が予測に最も重要であるかについての洞察を得るためにも観察された。 これらの結果は、リソース制約のあるデバイス用に設計されたモデルを使用することの有効性と限界を強調し、WSSVを正確に認識し、この領域におけるコンピュータビジョンの使用における貴重な情報と方向性を提供する。

関連論文リスト

• Enhancing Skin Disease Classification Leveraging Transformer-based Deep Learning Architectures and Explainable AI [2.3149142745203326]
  皮膚疾患は世界の人口の3分の1以上に影響を与えるが、その影響は過小評価されることが多い。 深層学習技術は皮膚疾患の特定を含む様々なタスクに多くの可能性を示してきた。 この研究では、31のクラスを持つ皮膚疾患データセットを使用し、Vision Transformers、Swin Transformers、DivoV2のすべてのバージョンと比較した。
  論文  参考訳（メタデータ） (2024-07-20T05:38:00Z)
• Public Computer Vision Datasets for Precision Livestock Farming: A Systematic Survey [3.3651853492305177]
  本研究は,家畜のCVデータセットの公開に関する最初の体系的な調査である。 58の公開データセットのうち、ほぼ半分は牛用で、続いて豚、鶏、その他の動物が続く。 個人の動物検出とカラーイメージングは、家畜にとって主要な応用であり、画像のモダリティである。
  論文  参考訳（メタデータ） (2024-06-15T13:22:41Z)
• Benchmarking and Improving Bird's Eye View Perception Robustness in Autonomous Driving [55.93813178692077]
  本稿では,BEVアルゴリズムのレジリエンスを評価するためのベンチマークスイートであるRoboBEVを紹介する。 検出,マップセグメンテーション,深さ推定,占有予測といったタスクにまたがる33の最先端のBEVベースの知覚モデルを評価する。 また, 事前学習や深度自由なBEVトランスフォーメーションなどの戦略が, アウト・オブ・ディストリビューションデータに対するロバスト性を高める上で有効であることを示す。
  論文  参考訳（メタデータ） (2024-05-27T17:59:39Z)
• Monkeypox disease recognition model based on improved SE-InceptionV3 [0.0]
  本研究はSE-InceptionV3モデルを改良し,SENetモジュールを組み込み,インセプションV3フレームワークにL2正規化を組み込むことでサルポックス病の検出を向上する。 本モデルは,テストセットにおいて96.71%の精度を示し,従来の手法やディープラーニングモデルよりも優れていた。
  論文  参考訳（メタデータ） (2024-03-15T08:01:44Z)
• Machine Learning-Based Jamun Leaf Disease Detection: A Comprehensive Review [0.0]
  ジャムン葉病は農業の生産性に重大な脅威をもたらす。 機械学習の出現は、これらの病気に効果的に取り組むための新たな道を開いた。 画像処理技術を用いた類似の疾患検出のために,様々な自動化システムが実装されている。
  論文  参考訳（メタデータ） (2023-11-27T11:46:30Z)
• SugarViT -- Multi-objective Regression of UAV Images with Vision Transformers and Deep Label Distribution Learning Demonstrated on Disease Severity Prediction in Sugar Beet [3.2925222641796554]
  この研究は、大規模植物固有の特徴アノテーションを自動化するための機械学習フレームワークを導入する。 我々は、SugarViTと呼ばれる重症度評価のための効率的なビジョントランスフォーマーモデルを開発した。 この特殊なユースケースでモデルは評価されるが、様々な画像に基づく分類や回帰タスクにも可能な限り汎用的に適用可能である。
  論文  参考訳（メタデータ） (2023-11-06T13:01:17Z)
• Defect Classification in Additive Manufacturing Using CNN-Based Vision Processing [76.72662577101988]
  本稿では、まず、畳み込みニューラルネットワーク(CNN)を用いて、画像データセットの欠陥をAMから第2に正確に分類し、発達した分類モデルにアクティブラーニング技術を適用する。 これにより、トレーニングデータやトレーニングデータの生成に必要なデータのサイズを削減できる、ヒューマン・イン・ザ・ループ機構の構築が可能になる。
  論文  参考訳（メタデータ） (2023-07-14T14:36:58Z)
• Augment and Criticize: Exploring Informative Samples for Semi-Supervised Monocular 3D Object Detection [64.65563422852568]
  我々は、一般的な半教師付きフレームワークを用いて、難解な単分子3次元物体検出問題を改善する。 我々は、ラベルのないデータから豊富な情報的サンプルを探索する、新しい、シンプルで効果的なAugment and Criticize'フレームワークを紹介します。 3DSeMo_DLEと3DSeMo_FLEXと呼ばれる2つの新しい検出器は、KITTIのAP_3D/BEV(Easy)を3.5%以上改善した。
  論文  参考訳（メタデータ） (2023-03-20T16:28:15Z)
• Muti-view Mouse Social Behaviour Recognition with Deep Graphical Model [124.26611454540813]
  マウスの社会的行動分析は神経変性疾患の治療効果を評価する貴重なツールである。 マウスの社会行動の豊かな記述を創出する可能性から、ネズミの観察にマルチビュービデオ記録を使用することは、ますます注目を集めている。 本稿では,ビュー固有のサブ構造とビュー共有サブ構造を協調的に学習する,新しい多視点潜在意識・動的識別モデルを提案する。
  論文  参考訳（メタデータ） (2020-11-04T18:09:58Z)
• 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)
• Diversity inducing Information Bottleneck in Model Ensembles [73.80615604822435]
  本稿では,予測の多様性を奨励することで,ニューラルネットワークの効果的なアンサンブルを生成する問題をターゲットにする。 そこで本研究では,潜伏変数の学習における逆損失の多様性を明示的に最適化し,マルチモーダルデータのモデリングに必要な出力予測の多様性を得る。 最も競争力のあるベースラインと比較して、データ分布の変化の下で、分類精度が大幅に向上した。
  論文  参考訳（メタデータ） (2020-03-10T03:10:41Z)

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。