論文の概要: Counting Manatee Aggregations using Deep Neural Networks and Anisotropic Gaussian Kernel

• arxiv url: http://arxiv.org/abs/2311.02315v1
• Date: Sat, 4 Nov 2023 03:58:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-07 18:22:48.902263
• Title: Counting Manatee Aggregations using Deep Neural Networks and Anisotropic Gaussian Kernel
• Title（参考訳）: ディープニューラルネットワークと異方性ガウス核を用いたマナテ集計
• Authors: Zhiqiang Wang, Yiran Pang, Cihan Ulus, Xingquan Zhu
• Abstract要約: マナテ類は有毒な食欲を持つ水生哺乳動物である。 主な食料源は海草であり、1日8時間の放牧に費やされることが多い。 地域内での正確な計数マナティーアグリゲーションは、その習慣を観察する上で生物学的に有意義であるだけでなく、人間のボートやダイバーの安全ルールを設計する上でも重要である。
• 参考スコア（独自算出の注目度）: 8.604110327289957
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Manatees are aquatic mammals with voracious appetites. They rely on sea grass as the main food source, and often spend up to eight hours a day grazing. They move slow and frequently stay in group (i.e. aggregations) in shallow water to search for food, making them vulnerable to environment change and other risks. Accurate counting manatee aggregations within a region is not only biologically meaningful in observing their habit, but also crucial for designing safety rules for human boaters, divers, etc., as well as scheduling nursing, intervention, and other plans. In this paper, we propose a deep learning based crowd counting approach to automatically count number of manatees within a region, by using low quality images as input. Because manatees have unique shape and they often stay in shallow water in groups, water surface reflection, occlusion, camouflage etc. making it difficult to accurately count manatee numbers. To address the challenges, we propose to use Anisotropic Gaussian Kernel (AGK), with tunable rotation and variances, to ensure that density functions can maximally capture shapes of individual manatees in different aggregations. After that, we apply AGK kernel to different types of deep neural networks primarily designed for crowd counting, including VGG, SANet, Congested Scene Recognition network (CSRNet), MARUNet etc. to learn manatee densities and calculate number of manatees in the scene. By using generic low quality images extracted from surveillance videos, our experiment results and comparison show that AGK kernel based manatee counting achieves minimum Mean Absolute Error (MAE) and Root Mean Square Error (RMSE). The proposed method works particularly well for counting manatee aggregations in environments with complex background.
• Abstract（参考訳）: マナテ(manatee)は、食欲の強い水生哺乳動物である。 主な食料源は海草であり、1日8時間の放牧に費やされることが多い。 ゆっくりと移動し、しばしば浅瀬で群れ(すなわち集合体)に留まり、食物を探し、環境の変化や他のリスクに弱いようにする。 地域内での正確な計数マナティーアグリゲーションは、その習慣を観察する上で生物学的に有意義であるだけでなく、人間のボート、ダイバー等の安全規則を策定し、看護、介入、その他の計画を立てる上でも重要である。 本稿では,低画質画像を入力として利用して,地域内のマナティ数を自動的にカウントする,深層学習に基づく群集カウント手法を提案する。 マナテは独特の形状を持ち、浅瀬や水面反射、咬合、カモフラージュなど、しばしば浅瀬に留まり、正確なマナテ数を数えることは困難である。 この課題に対処するため, 等方的ガウスカーネル (AGK) と可変回転および分散を用いて, 密度関数が異なるアグリゲーションにおける個々のマナートの形状を最大に捉えられるようにすることを提案する。 その後,vgg,sert,congested scene recognition network(csrnet),marunetなど,群衆カウントを主目的とした異なるタイプのディープニューラルネットワークにagkカーネルを適用し,マナティー密度を学習し,シーン内のマナティー数を計算する。 監視映像から抽出した汎用低品質画像を用いて,agkカーネルを用いたマナテ計数により最小平均絶対誤差 (mae) と根平均二乗誤差 (rmse) が得られることを示す。 提案手法は,複雑な環境下でのマナテ集約の計測に特に有効である。

関連論文リスト

• Combining Observational Data and Language for Species Range Estimation [63.65684199946094]
  我々は,数百万の市民科学種の観察とウィキペディアのテキスト記述を組み合わせた新しいアプローチを提案する。 我々のフレームワークは、場所、種、テキスト記述を共通空間にマッピングし、テキスト記述からゼロショット範囲の推定を可能にする。 また,本手法は観測データと組み合わせることで,少ないデータでより正確な距離推定を行うことができる。
  論文  参考訳（メタデータ） (2024-10-14T17:22:55Z)
• Intelligent Debris Mass Estimation Model for Autonomous Underwater Vehicle [0.0]
  海洋の破片は海洋の野生生物の生存に重大な脅威となり、しばしば絡み合いや飢餓につながる。 インスタンスセグメンテーション(インスタンスセグメンテーション)は、オブジェクトを識別し、それらを正確に特定し、分離するオブジェクト検出の高度な形式である。 AUVは画像セグメンテーションを使用して、カメラが捉えた画像を分析し、水中環境をナビゲートする。
  論文  参考訳（メタデータ） (2023-09-19T13:47:31Z)
• Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
  ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。 従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。 本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
  論文  参考訳（メタデータ） (2023-06-05T03:36:01Z)
• Multi-scale Feature Aggregation for Crowd Counting [84.45773306711747]
  マルチスケール特徴集約ネットワーク(MSFANet)を提案する。 MSFANetは、ショートアグリゲーション(ShortAgg)とスキップアグリゲーション(SkipAgg)の2つの機能アグリゲーションモジュールで構成されている。
  論文  参考訳（メタデータ） (2022-08-10T10:23:12Z)
• Occlusion-Resistant Instance Segmentation of Piglets in Farrowing Pens Using Center Clustering Network [48.42863035798351]
  本稿では,CClusnet-Inseg と呼ばれるインスタンスセグメンテーションのための新しい Center Clustering Network を提案する。 CClusnet-Insegは、各ピクセルを使ってオブジェクト中心を予測し、これらの中心をトレースし、クラスタリング結果に基づいてマスクを形成する。 6本のペンから収集した6本の動画から4600枚の画像を抽出し、その方法の訓練と検証を行った。
  論文  参考訳（メタデータ） (2022-06-04T08:43:30Z)
• Persistent Animal Identification Leveraging Non-Visual Markers [71.14999745312626]
  乱雑なホームケージ環境下で各マウスにユニークな識別子を時間をかけて発見し提供することを目的としている。 これは、(i)各マウスの視覚的特徴の区別の欠如、(ii)一定の閉塞を伴うシーンの密閉性のため、非常に難しい問題である。 本手法は, この動物識別問題に対して77%の精度を達成し, 動物が隠れているときの急激な検出を拒否することができる。
  論文  参考訳（メタデータ） (2021-12-13T17:11:32Z)
• DAAIN: Detection of Anomalous and Adversarial Input using Normalizing Flows [52.31831255787147]
  我々は、アウト・オブ・ディストリビューション(OOD)インプットと敵攻撃(AA)を検出する新しい手法であるDAINを導入する。 本手法は,ニューラルネットワークの内部動作を監視し,活性化分布の密度推定器を学習する。 当社のモデルは,特別なアクセラレータを必要とせずに,効率的な計算とデプロイが可能な単一のGPUでトレーニングすることが可能です。
  論文  参考訳（メタデータ） (2021-05-30T22:07:13Z)
• Deep learning with self-supervision and uncertainty regularization to count fish in underwater images [28.261323753321328]
  効果的な保全活動には、効果的な人口監視が必要です。 画像サンプリングによる人口のモニタリングにより、データ収集は安価で広く、侵入性が低くなっている。 このようなデータから動物を数えることは、特に騒々しい画像に密に詰め込まれた場合、困難です。 深層学習は多くのコンピュータビジョンタスクの最先端の手法であるが、動物を数えるためにはまだ十分に研究されていない。
  論文  参考訳（メタデータ） (2021-04-30T13:02:19Z)
• Scale-Aware Network with Regional and Semantic Attentions for Crowd Counting under Cluttered Background [7.108205342578417]
  本稿では,地域的,意味的に注意を向けるスケールアウェア群数ネットワーク(saccn)を提案する。 提案するsaccnは,地域的・意味的自己照査機構を適用し,群衆と背景を区別する。 すべてのコードと事前トレーニングされたモデルはすぐにリリースされる。
  論文  参考訳（メタデータ） (2021-01-05T12:20:10Z)
• PSCNet: Pyramidal Scale and Global Context Guided Network for Crowd Counting [44.306790250158954]
  本稿では,ピラミッドスケールモジュール (PSM) とグローバルコンテキストモジュール (GCM) に基づく新しい群集カウント手法を提案する。 PSMは、異なる画像スケールの群衆の境界を識別できる多スケール情報を適応的にキャプチャするために使用される。 GCMは、機能マップのチャネル全体のインタラクティブな情報をより効率的にするために、低複雑さと軽量な方法で考案されています。
  論文  参考訳（メタデータ） (2020-12-07T11:35:56Z)
• Application of Deep Learning-based Interpolation Methods to Nearshore Bathymetry [0.82354995224692]
  本研究では, 深層学習に基づく深層水深計測手法について, 疎度, マルチスケール計測による評価を行った。 本稿では, 深部ニューラルネットワーク(DNN)を用いて, 深部潜水量計の後方推定を計算し, 後方分布からサンプルを抽出する条件付き生成逆ネットワーク(cGAN)を提案する。
  論文  参考訳（メタデータ） (2020-11-19T08:22:00Z)

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。