論文の概要: An empirical study of automatic wildlife detection using drone thermal imaging and object detection

• arxiv url: http://arxiv.org/abs/2310.11257v1
• Date: Tue, 17 Oct 2023 13:22:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-18 15:52:17.212481
• Title: An empirical study of automatic wildlife detection using drone thermal imaging and object detection
• Title（参考訳）: ドローン熱画像と物体検出を用いた野生生物の自動検出に関する実証的研究
• Authors: Miao Chang and Tan Vuong and Manas Palaparthi and Lachlan Howell and Alessio Bonti and Mohamed Abdelrazek and Duc Thanh Nguyen
• Abstract要約: 遠隔操縦航空機システム(RPASまたはドローン')や熱画像技術の最近の進歩は、野生生物のデータを収集するための新しいアプローチを生み出している。 ドローンによる野生生物検出に関する総合的なレビューと実証研究を行っている。
• 参考スコア（独自算出の注目度）: 6.179033141934765
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Artificial intelligence has the potential to make valuable contributions to wildlife management through cost-effective methods for the collection and interpretation of wildlife data. Recent advances in remotely piloted aircraft systems (RPAS or ``drones'') and thermal imaging technology have created new approaches to collect wildlife data. These emerging technologies could provide promising alternatives to standard labourious field techniques as well as cover much larger areas. In this study, we conduct a comprehensive review and empirical study of drone-based wildlife detection. Specifically, we collect a realistic dataset of drone-derived wildlife thermal detections. Wildlife detections, including arboreal (for instance, koalas, phascolarctos cinereus) and ground dwelling species in our collected data are annotated via bounding boxes by experts. We then benchmark state-of-the-art object detection algorithms on our collected dataset. We use these experimental results to identify issues and discuss future directions in automatic animal monitoring using drones.
• Abstract（参考訳）: 人工知能は、野生動物データの収集と解釈のための費用対効果の高い方法を通じて、野生動物管理に有用な貢献をする可能性がある。 遠隔操縦型航空機システム(RPAS)や熱画像技術の最近の進歩は、野生生物データを収集するための新しいアプローチを生み出している。 これらの新興技術は、標準的なフィールド技術に代わる有望な代替手段を提供し、さらに広い範囲をカバーする可能性がある。 本研究では,ドローンを用いた野生生物検出の総合的レビューと実証研究を行う。 具体的には、ドローン由来の野生動物熱検出の現実的なデータセットを収集する。 野生生物(例えばコアラ、phascolarctos cinereus)および地上居住種を含む)の検出は、専門家によるバウンディングボックスによって注釈付けされる。 次に、収集したデータセット上で最先端のオブジェクト検出アルゴリズムをベンチマークする。 これらの実験結果を用いて,ドローンを用いた動物自動モニタリングにおける課題を特定し,今後の方向性について考察する。

関連論文リスト

• Detection of Animal Movement from Weather Radar using Self-Supervised Learning [0.14999444543328289]
  動物の動きを検出するための自己教師型学習法を提案する。 提案手法では,しきい値を用いた雑音ラベル付き大規模データセット上でモデルを事前学習する。 オーストラリアの気象レーダデータを用いた水鳥セグメンテーション実験により, 提案手法は, ダイス共効率統計学において, 現在の最先端技術よりも43.53%優れていることが判明した。
  論文  参考訳（メタデータ） (2024-08-08T12:48:54Z)
• Drone-type-Set: Drone types detection benchmark for drone detection and tracking [0.6294091730968154]
  本稿では,認識された物体検出モデルとの比較とともに,各種ドローンのデータセットを提供する。 異なるモデルの実験結果と各手法の記載が提供される。
  論文  参考訳（メタデータ） (2024-05-16T18:56:46Z)
• 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)
• Camouflaged Image Synthesis Is All You Need to Boost Camouflaged Detection [65.8867003376637]
  本研究では,カモフラージュデータの合成フレームワークを提案する。 提案手法では,既存の物体検出モデルのトレーニングに使用可能な,現実的なカモフラージュ画像の生成に生成モデルを用いる。 我々のフレームワークは3つのデータセット上で最先端の手法より優れています。
  論文  参考訳（メタデータ） (2023-08-13T06:55:05Z)
• VBSF-TLD: Validation-Based Approach for Soft Computing-Inspired Transfer Learning in Drone Detection [0.0]
  本稿では,コンピュータビジョンベースモジュールの不可欠な部分を構成する移動型ドローン検出手法を提案する。 事前学習されたモデルの知識を関連ドメインから活用することにより、限られたトレーニングデータであっても、トランスファー学習によりより良い結果が得られる。 特に、このスキームの有効性は、IOUベースの検証結果によって強調される。
  論文  参考訳（メタデータ） (2023-06-11T22:30:23Z)
• Investigation of UAV Detection in Images with Complex Backgrounds and Rainy Artifacts [20.20609511526255]
  UAV検出のための視覚に基づく物体検出法が開発されている。 複雑な背景と雨のような気象要素を持つ画像におけるUAV検出は、まだ合理的に研究されていない。 この研究は、最先端のオブジェクト検出モデルのベンチマークにも重点を置いている。
  論文  参考訳（メタデータ） (2023-05-25T19:54:33Z)
• 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)
• The State of Aerial Surveillance: A Survey [62.198765910573556]
  本稿では、コンピュータビジョンとパターン認識の観点から、人間中心の空中監視タスクの概要を概観する。 主な対象は、単体または複数の被験者が検出され、特定され、追跡され、再同定され、その振る舞いが分析される人間である。
  論文  参考訳（メタデータ） (2022-01-09T20:13:27Z)
• Small or Far Away? Exploiting Deep Super-Resolution and Altitude Data for Aerial Animal Surveillance [3.8015092217142223]
  本研究では,全体的注目ネットワークに基づく超解像手法と,カスタム構築された高度データ利用ネットワークにより,実環境における検出の有効性が向上することを示す。 SAVMAP と AED の2つの大型航空捕獲動物データセットを用いて,本システムの評価を行った。
  論文  参考訳（メタデータ） (2021-11-12T17:30:55Z)
• 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)
• Detection and Tracking Meet Drones Challenge [131.31749447313197]
  本稿では、オブジェクト検出・追跡データセットとベンチマークのレビューを行い、手動アノテーションによる大規模ドローンによるオブジェクト検出・追跡データセットの収集の課題について論じる。 当社のVisDroneデータセットは、中国北部から南部にかけての14の都市部と郊外部で収集されたものです。 本稿では,ドローンにおける大規模物体検出・追跡の現場の現状を詳細に分析し,今後の方向性を提案するとともに,課題を結論づける。
  論文  参考訳（メタデータ） (2020-01-16T00:11:56Z)

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。