論文の概要: Deep Learning for Automatic Detection and Facial Recognition in Japanese
Macaques: Illuminating Social Networks
- arxiv url: http://arxiv.org/abs/2310.06489v1
- Date: Tue, 10 Oct 2023 09:57:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-11 16:07:43.559047
- Title: Deep Learning for Automatic Detection and Facial Recognition in Japanese
Macaques: Illuminating Social Networks
- Title（参考訳）: 日本人マカオにおける顔認識のための深層学習 : ソーシャルネットワークの活用
- Authors: Julien Paulet (UJM), Axel Molina (ENS-PSL), Benjamin Beltzung (IPHC),
Takafumi Suzumura, Shinya Yamamoto, C\'edric Sueur (IPHC, IUF, ANTHROPO LAB)
- Abstract要約: 本研究は,日本語マカクの顔検出と個人識別のための非侵襲的ツールの開発に関する予備的な調査である。
この研究の最終的な目標は、データセット上で行った識別を使用して、研究対象者のソーシャルネットワーク表現を自動的に生成することである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Individual identification plays a pivotal role in ecology and ethology,
notably as a tool for complex social structures understanding. However,
traditional identification methods often involve invasive physical tags and can
prove both disruptive for animals and time-intensive for researchers. In recent
years, the integration of deep learning in research offered new methodological
perspectives through automatization of complex tasks. Harnessing object
detection and recognition technologies is increasingly used by researchers to
achieve identification on video footage. This study represents a preliminary
exploration into the development of a non-invasive tool for face detection and
individual identification of Japanese macaques (Macaca fuscata) through deep
learning. The ultimate goal of this research is, using identifications done on
the dataset, to automatically generate a social network representation of the
studied population. The current main results are promising: (i) the creation of
a Japanese macaques' face detector (Faster-RCNN model), reaching a 82.2%
accuracy and (ii) the creation of an individual recognizer for K{\=o}jima
island macaques population (YOLOv8n model), reaching a 83% accuracy. We also
created a K{\=o}jima population social network by traditional methods, based on
co-occurrences on videos. Thus, we provide a benchmark against which the
automatically generated network will be assessed for reliability. These
preliminary results are a testament to the potential of this innovative
approach to provide the scientific community with a tool for tracking
individuals and social network studies in Japanese macaques.
- Abstract（参考訳）: 個人の識別は、特に複雑な社会構造を理解するための道具として、生態学と民族学において重要な役割を果たしている。
しかし、伝統的な識別法は、しばしば侵入的な物理的タグを伴い、動物には破壊的であり、研究者には時間を要する。
近年,研究におけるディープラーニングの統合は,複雑なタスクの自動化を通じて新たな方法論的視点をもたらした。
物体の検出と認識技術は、ビデオ映像の識別に研究者によってますます利用されている。
本研究は,深層学習によるニホンマカ(macaca fuscata)の顔検出と個体識別のための非侵襲的ツールの開発に関する予備的考察である。
この研究の最終的な目標は、データセット上で行った識別を使用して、研究対象者のソーシャルネットワーク表現を自動的に生成することである。
現在の主な成果は次のとおりである。
(i)日本のマカクの顔検出装置(Faster-RCNNモデル)の作成、82.2%の精度及び精度
(II)K{\=o}島マカケス個体群(YOLOv8nモデル)の個体認識器の作成が83%の精度で達成された。
また,ビデオ上での共著をもとに,伝統的な手法でk{\=o}jimaの人口ネットワークを構築した。
したがって、自動生成されたネットワークを信頼性のために評価するベンチマークを提供する。
これらの予備的な成果は、この革新的なアプローチの可能性を実証するものであり、日本のマカクの個人や社会ネットワーク研究を追跡するためのツールを科学コミュニティに提供するものである。
関連論文リスト
- Time-Aware Face Anti-Spoofing with Rotation Invariant Local Binary Patterns and Deep Learning [50.79277723970418]
模倣攻撃は 不正な識別と その後の攻撃者の認証につながる
顔認識と同様に、模倣攻撃も機械学習で検出できる。
本稿では,未使用の機能と時間認識の深層学習戦略を組み合わせることで,高い分類精度を実現する新しい手法を提案する。
論文 参考訳（メタデータ） (2024-08-27T07:26:10Z) - Artificial Intelligence-powered fossil shark tooth identification: Unleashing the potential of Convolutional Neural Networks [10.946419654203613]
本研究では,分離されたサメの歯のイメージを分類するためのCNN(Convolutional Neural Networks)の能力について検討した。
我々は、認識タスクに特化されたSharkNet-XというCNNを開発し、平均精度0.85に5倍の精度で到達した。
結果について古生物学的な視点を与えながらCNNの振る舞いを理解し説明するために, SHAP法を導入した。
論文 参考訳（メタデータ） (2024-05-07T10:49:10Z) - Deepfake Generation and Detection: A Benchmark and Survey [134.19054491600832]
Deepfakeは、特定の条件下で非常にリアルな顔画像やビデオを作成するための技術だ。
この調査は、ディープフェイクの発生と検出の最新の展開を包括的にレビューする。
本研究では, 顔交換, 顔再現, 話し顔生成, 顔属性編集の4つの代表的なディープフェイク分野の研究に焦点をあてる。
論文 参考訳（メタデータ） (2024-03-26T17:12:34Z) - Deep Neural Network Identification of Limnonectes Species and New Class
Detection Using Image Data [5.943822554753426]
ディープニューラルネットワークは、画像の分類を訓練された既知の種グループに分類することに成功した。
このアルゴリズムは,既存のクラスに属さない場合には,イメージを新しいクラスに分類できることを示す。
論文 参考訳（メタデータ） (2023-11-15T02:57:59Z) - A Comprehensive Survey on Deep Gait Recognition: Algorithms, Datasets
and Challenges [18.08349977960643]
歩行認識は、遠くにいる人物を識別することを目的としており、長距離かつ協力の少ない歩行者認識のための有望な解決策として機能している。
近年の歩行認識の進歩は、深層学習技術を活用して、多くの挑戦的なシナリオで大きな成功を収めている。
歩容認識の新たな課題には、堅牢な深度表現モデリング、Wildでの歩容認識、赤外線や深度カメラなどの新しい視覚センサーからの認識などがある。
論文 参考訳（メタデータ） (2022-06-28T03:36:12Z) - RoSGAS: Adaptive Social Bot Detection with Reinforced Self-Supervised
GNN Architecture Search [12.567692688720353]
ソーシャルボットは、人間のように振る舞おうとするソーシャルネットワーク上の自動アカウントである。
本稿では,新しいGNNアーキテクチャ検索フレームワークであるRoSGASを提案する。
我々は異種情報ネットワークを利用して、アカウントメタデータ、関係性、行動特徴、コンテンツ特徴を活用することで、ユーザ接続性を示す。
5つのTwitterデータセットの実験によると、RoSGASは精度、トレーニング効率、安定性の点で最先端のアプローチを上回っている。
論文 参考訳（メタデータ） (2022-06-14T11:12:02Z) - Human-Robot Collaboration and Machine Learning: A Systematic Review of
Recent Research [69.48907856390834]
人間ロボットコラボレーション(Human-robot collaboration、HRC)とは、人間とロボットの相互作用を探索する手法である。
本稿では,HRCの文脈における機械学習技術の利用に関する詳細な文献レビューを提案する。
論文 参考訳（メタデータ） (2021-10-14T15:14:33Z) - Deep Learning Based Person Re-Identification Methods: A Survey and
Outlook of Recent Works [5.202841879001503]
従来型および深層学習に基づくRe-ID手法を比較し,いくつかのRe-ID調査の主な貢献点を示す。
本稿では,従来のDeep Learning-based person Re-ID法に注目し,深層学習,局所的特徴学習,敵対的ネットワークの生成,シーケンス的特徴学習,グラフ畳み込みネットワークなどの手法について述べる。
論文 参考訳（メタデータ） (2021-10-10T11:23:47Z) - Ten Quick Tips for Deep Learning in Biology [116.78436313026478]
機械学習は、データのパターンを認識し、予測モデリングに使用するアルゴリズムの開発と応用に関係している。
ディープラーニングは、独自の機械学習のサブフィールドになっている。
生物学的研究の文脈において、ディープラーニングは高次元の生物学的データから新しい洞察を導き出すためにますます使われてきた。
論文 参考訳（メタデータ） (2021-05-29T21:02:44Z) - A Comprehensive Survey on Community Detection with Deep Learning [93.40332347374712]
コミュニティは、ネットワーク内の他のコミュニティと異なるメンバーの特徴と接続を明らかにする。
この調査は、最先端の手法の様々なカテゴリをカバーする新しい分類法を考案し、提案する。
ディープニューラルネットワーク(Deep Neural Network)は、畳み込みネットワーク(convolutional network)、グラフアテンションネットワーク( graph attention network)、生成的敵ネットワーク(generative adversarial network)、オートエンコーダ(autoencoder)に分けられる。
論文 参考訳（メタデータ） (2021-05-26T14:37:07Z) - Deep Learning for Community Detection: Progress, Challenges and
Opportunities [79.26787486888549]
この記事では、ディープニューラルネットワークにおける様々なフレームワーク、モデル、アルゴリズムの貢献について要約する。
この記事では、ディープニューラルネットワークにおける様々なフレームワーク、モデル、アルゴリズムの貢献について要約する。
論文 参考訳（メタデータ） (2020-05-17T11:22:11Z)
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。