論文の概要: Computer Vision Pipeline for Automated Antarctic Krill Analysis
- arxiv url: http://arxiv.org/abs/2309.06188v2
- Date: Thu, 12 Oct 2023 11:51:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-15 15:07:02.657484
- Title: Computer Vision Pipeline for Automated Antarctic Krill Analysis
- Title（参考訳）: 南極krill自動解析のためのコンピュータビジョンパイプライン
- Authors: Mazvydas Gudelis, Michal Mackiewicz, Julie Bremner, Sophie Fielding
- Abstract要約: イギリス南極調査所(BAS)の研究者たちは、南極のクリルバイオマスを推定し、過去の変化を評価するために、南極への毎年の遠征を開始した。
これらの比較は、海洋食物連鎖のこの重要な構成要素に対する現在の環境の影響についての洞察を与える。
我々は、Webベースの画像アノテーションツールとディープラーニング画像分類と回帰モデルを用いて、データ収集と分析プロセスを自動化するツールを開発した。
- 参考スコア（独自算出の注目度）: 0.7278033100480173
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: British Antarctic Survey (BAS) researchers launch annual expeditions to the
Antarctic in order to estimate Antarctic Krill biomass and assess the change
from previous years. These comparisons provide insight into the effects of the
current environment on this key component of the marine food chain. In this
work we have developed tools for automating the data collection and analysis
process, using web-based image annotation tools and deep learning image
classification and regression models. We achieve highly accurate krill instance
segmentation results with an average 77.28% AP score, as well as separate
maturity stage and length estimation of krill specimens with 62.99% accuracy
and a 1.98mm length error respectively.
- Abstract（参考訳）: イギリス南極調査(bas)の研究者は、南極クリルのバイオマスを推定し、前年からの変化を評価するために、毎年南極に遠征を開始する。
これらの比較は、現在の環境が海洋食物連鎖のこの重要な構成要素に与える影響について洞察を与える。
本研究では,webベースの画像アノテーションツールとディープラーニング画像分類・回帰モデルを用いて,データ収集・分析プロセスの自動化を行うツールを開発した。
平均77.28%のapスコアで高精度なkrillインスタンスセグメンテーションを行い,62.99%の精度と9.8mmの誤差を有するkrill標本の成熟段階と長さ推定をそれぞれ分離した。
関連論文リスト
- SMILE-UHURA Challenge -- Small Vessel Segmentation at Mesoscopic Scale from Ultra-High Resolution 7T Magnetic Resonance Angiograms [60.35639972035727]
公開されている注釈付きデータセットの欠如は、堅牢で機械学習駆動のセグメンテーションアルゴリズムの開発を妨げている。
SMILE-UHURAチャレンジは、7T MRIで取得したTime-of-Flightアンジオグラフィーの注釈付きデータセットを提供することで、公開されている注釈付きデータセットのギャップに対処する。
Diceスコアは、それぞれのデータセットで0.838 $pm$0.066と0.716 $pm$ 0.125まで到達し、平均パフォーマンスは0.804 $pm$ 0.15までになった。
論文 参考訳（メタデータ） (2024-11-14T17:06:00Z) - OXYGENERATOR: Reconstructing Global Ocean Deoxygenation Over a Century with Deep Learning [50.365198230613956]
既存の専門家が支配する数値シミュレーションは、地球温暖化や人的活動によって引き起こされる動的変動に追いつかなかった。
1920年から2023年までの世界の海洋脱酸素モデルを再構築するために,最初の深層学習モデルであるOxyGeneratorを提案する。
論文 参考訳（メタデータ） (2024-05-12T09:32:40Z) - WhaleNet: a Novel Deep Learning Architecture for Marine Mammals Vocalizations on Watkins Marine Mammal Sound Database [49.1574468325115]
textbfWhaleNet (Wavelet Highly Adaptive Learning Ensemble Network) は海洋哺乳動物の発声を分類するための高度な深層アンサンブルアーキテクチャである。
既存のアーキテクチャよりも8-10%の精度で分類精度を向上し、分類精度は9,7.61%である。
論文 参考訳（メタデータ） (2024-02-20T11:36:23Z) - Individual mapping of large polymorphic shrubs in high mountains using satellite images and deep learning [1.6889377382676625]
我々は、自由に利用可能な衛星画像について、個々の低木デラインの大規模なデータセットをリリースする。
我々は、すべてのジュニパーを、全生物圏保護区のツリーライン上にマッピングするために、インスタンスセグメンテーションモデルを使用します。
我々のモデルは、PIデータで87.87%、FWデータで76.86%の低木でF1スコアを達成した。
論文 参考訳（メタデータ） (2024-01-31T16:44:20Z) - Country-Scale Cropland Mapping in Data-Scarce Settings Using Deep
Learning: A Case Study of Nigeria [0.6827423171182154]
私たちはグローバルな作物のデータセットと手書きのデータセットを組み合わせて、2020年にナイジェリアの新しい作物の地図を10m解像度で作成するための機械学習モデルをトレーニングしています。
本研究では,センチネル-1,2,ERA5気候データ,DEMデータなどのリモートセンシング源からの画素級時系列入力データに加えて,作物の存在を示すバイナリラベルも提供する。
We found that the existing WorldCover map are the best with a F1-score 0.825 and correct of 0.870 on the test set, then a single-headed LSTM model with our hand-labeled training。
論文 参考訳（メタデータ） (2023-12-18T01:23:22Z) - Simulation-Based Inference of Surface Accumulation and Basal Melt Rates
of an Antarctic Ice Shelf from Isochronal Layers [4.8407710143707]
南極氷床に突き当たる氷棚は、周囲の海への氷の放出率を決定する。
現代の手法はこれらのレートの1つを解決するが、典型的には両方ではない。
本研究では, 表層堆積と玄武岩の融解速度を, 日時, 年時平均で同時に推定する手法を提案する。
論文 参考訳（メタデータ） (2023-12-03T12:22:45Z) - Corneal endothelium assessment in specular microscopy images with Fuchs'
dystrophy via deep regression of signed distance maps [48.498376125522114]
本稿では,UNetをベースとしたセグメンテーション手法を提案する。
これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
論文 参考訳（メタデータ） (2022-10-13T15:34:20Z) - TotalSegmentator: robust segmentation of 104 anatomical structures in CT
images [48.50994220135258]
身体CT画像の深層学習セグメント化モデルを提案する。
このモデルは、臓器の容積、疾患の特徴、外科的または放射線療法計画などのユースケースに関連する104の解剖学的構造を区分することができる。
論文 参考訳（メタデータ） (2022-08-11T15:16:40Z) - Instance Segmentation of Microscopic Foraminifera [0.0629976670819788]
本稿では, 深層学習に基づくインスタンス分割モデルを用いて, 微視的フォアミニフェラの分類, 検出, セグメンテーションを行う。
本モデルは,COCO検出データセットから得られたモデル重みパラメータを用いて,Mask R-CNNアーキテクチャに基づく。
論文 参考訳（メタデータ） (2021-05-15T10:46:22Z) - Statistical Downscaling of Temperature Distributions from the Synoptic
Scale to the Mesoscale Using Deep Convolutional Neural Networks [0.0]
有望な応用の1つは、低分解能ダイナミックモデルの出力画像を高分解能画像に変換する統計的代理モデルを開発することである。
本研究では,6時間毎に合成温度場をメソスケール温度場にダウンスケールする代理モデルについて検討した。
代理モデルが短時間で実施されれば、高解像度の天気予報ガイダンスや環境緊急警報を低コストで提供する。
論文 参考訳（メタデータ） (2020-07-20T06:24:08Z) - Real-Time target detection in maritime scenarios based on YOLOv3 model [65.35132992156942]
ウェブスクレイピングによって収集された56k以上の海洋船舶の画像からなる、新しい船舶データセットが提案されている。
Keras APIをベースとしたYOLOv3シングルステージ検出器がこのデータセット上に構築されている。
論文 参考訳（メタデータ） (2020-02-10T15:25:19Z)
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。