論文の概要: BenthIQ: a Transformer-Based Benthic Classification Model for Coral Restoration

• arxiv url: http://arxiv.org/abs/2311.13661v1
• Date: Wed, 22 Nov 2023 19:25:31 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-28 01:36:44.752894
• Title: BenthIQ: a Transformer-Based Benthic Classification Model for Coral Restoration
• Title（参考訳）: BenthIQ:サンゴ修復のためのトランスフォーマーベースベント分類モデル
• Authors: Rupa Kurinchi-Vendhan, Drew Gray, Elijah Cole
• Abstract要約: サンゴ礁は海洋生物多様性、沿岸保護、世界の人間の生活を支えるために不可欠である。 ベントニック合成マップを作成するための現在の手法は、しばしば空間被覆と分解能の間に妥協する。 水中基板の高精度な分類のために設計されたマルチラベルセマンティックセマンティックセマンティクスネットワークであるBenthIQを紹介する。
• 参考スコア（独自算出の注目度）: 4.931399476945033
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Coral reefs are vital for marine biodiversity, coastal protection, and supporting human livelihoods globally. However, they are increasingly threatened by mass bleaching events, pollution, and unsustainable practices with the advent of climate change. Monitoring the health of these ecosystems is crucial for effective restoration and management. Current methods for creating benthic composition maps often compromise between spatial coverage and resolution. In this paper, we introduce BenthIQ, a multi-label semantic segmentation network designed for high-precision classification of underwater substrates, including live coral, algae, rock, and sand. Although commonly deployed CNNs are limited in learning long-range semantic information, transformer-based models have recently achieved state-of-the-art performance in vision tasks such as object detection and image classification. We integrate the hierarchical Swin Transformer as the backbone of a U-shaped encoder-decoder architecture for local-global semantic feature learning. Using a real-world case study in French Polynesia, we demonstrate that our approach outperforms traditional CNN and attention-based models on pixel-wise classification of shallow reef imagery.
• Abstract（参考訳）: サンゴ礁は海洋生物多様性、沿岸保護、世界の生物保護に不可欠である。 しかし、気候変動の出現に伴い、大規模な白化現象、汚染、持続不可能な慣行によってますます脅かされている。 これらの生態系の健全性を監視することは、効果的な修復と管理に不可欠である。 ベント合成写像を作成する現在の方法は、しばしば空間被覆と分解能の間を妥協する。 本稿では,生物サンゴ,藻類,岩類,砂を含む水中基質の高精度分類のための多ラベルセマンティックセグメンテーションネットワークであるBenthIQを紹介する。 一般的にデプロイされるCNNは、長距離セマンティック情報の学習に限られるが、近年、オブジェクト検出や画像分類などの視覚タスクにおいて、トランスフォーマーベースのモデルは最先端のパフォーマンスを達成している。 我々は,u字型エンコーダデコーダアーキテクチャのバックボーンとして階層型スウィントランスを統合し,局所的グローバル意味論的特徴学習を行う。 フレンチ・ポリネシアにおける実世界のケーススタディを用いて,浅いリーフ画像の画素単位での分類において,従来のCNNや注目モデルよりも優れていることを示す。

関連論文リスト

• Deep learning for multi-label classification of coral conditions in the Indo-Pacific via underwater photogrammetry [24.00646413446011]
  本研究はインド太平洋におけるサンゴの一般的な条件と関連するストレスを表わしたデータセットを作成する。 既存の分類アルゴリズムを評価し、サンゴの条件を自動的に検出し、生態情報を抽出する新しいマルチラベル手法を提案した。 提案手法はサンゴの条件を, 健康, 危害, 死, 汚物として正確に分類する。
  論文  参考訳（メタデータ） (2024-03-09T14:42:16Z)
• Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
  本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。 本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。 実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2023-10-22T02:27:02Z)
• CoinSeg: Contrast Inter- and Intra- Class Representations for Incremental Segmentation [85.13209973293229]
  クラスインクリメンタルセマンティックセグメンテーションは、モデルの安定性と可塑性のバランスをとることを目的としている。 インクリメンタル(CoinSeg)のためのコントラスト間およびクラス内表現を提案する。
  論文  参考訳（メタデータ） (2023-10-10T07:08:49Z)
• Scalable Semantic 3D Mapping of Coral Reefs with Deep Learning [4.8902950939676675]
  本稿では,エゴモーション映像から水中環境をマッピングするための新しいパラダイムを提案する。 前例のない規模で高精度な3Dセマンティックマッピングを行い,作業コストを大幅に削減した。 本手法は,サンゴ礁のサンゴ礁モニタリングを飛躍的にスケールアップする。
  論文  参考訳（メタデータ） (2023-09-22T11:35:10Z)
• Pengembangan Model untuk Mendeteksi Kerusakan pada Terumbu Karang dengan Klasifikasi Citra [3.254879465902239]
  本研究はFlickr APIを用いてFlickrから収集した923枚の画像からなる特別なデータセットを利用する。 この研究で使用される方法は、機械学習モデル、特に畳み込みニューラルネットワーク(CNN)の使用を含む。 その結果,Stock-Scratch ResNetモデルは,精度と精度で事前学習モデルより優れていることがわかった。
  論文  参考訳（メタデータ） (2023-08-08T15:30:08Z)
• PUGAN: Physical Model-Guided Underwater Image Enhancement Using GAN with Dual-Discriminators [120.06891448820447]
  鮮明で視覚的に快適な画像を得る方法は、人々の共通の関心事となっている。 水中画像強調(UIE)の課題も、時間とともに現れた。 本稿では,UIE のための物理モデル誘導型 GAN モデルを提案する。 我々のPUGANは質的および定量的な測定値において最先端の手法より優れています。
  論文  参考訳（メタデータ） (2023-06-15T07:41:12Z)
• FisHook -- An Optimized Approach to Marine Specie Classification using MobileNetV2 [5.565562836494568]
  海洋生物の分類とモニタリングは、その分布、人口動態、そしてそれらに対する人間の活動の影響を理解するのに役立ちます。 ディープラーニングアルゴリズムは、海洋生物を効率的に分類し、海洋生態系の監視と管理を容易にする。
  論文  参考訳（メタデータ） (2023-04-04T04:30:25Z)
• Combining Photogrammetric Computer Vision and Semantic Segmentation for Fine-grained Understanding of Coral Reef Growth under Climate Change [6.335630432207172]
  サンゴはサンゴ礁に生息する生物で、海洋の4分の1を支えている。 3次元微粒なセマンティックモデリングとサンゴ礁の硬さ評価は,初めてミリ(mm)精度で完了した。
  論文  参考訳（メタデータ） (2022-12-08T08:09:57Z)
• SATS: Self-Attention Transfer for Continual Semantic Segmentation [50.51525791240729]
  連続的なセマンティックセグメンテーションは、連続的な分類学習と同じ破滅的な忘れの問題に悩まされる。 本研究では,各画像内の要素間の関係について,知識に関連する新しいタイプの情報伝達を提案する。 関係情報は、トランスフォーマースタイルのセグメンテーションモデルにおける自己アテンションマップから有効に得ることができる。
  論文  参考訳（メタデータ） (2022-03-15T06:09:28Z)
• Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
  空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。 本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
  論文  参考訳（メタデータ） (2021-08-19T11:02:25Z)
• Learning CNN filters from user-drawn image markers for coconut-tree image classification [78.42152902652215]
  本稿では,CNNの特徴抽出器を訓練するために,最小限のユーザ選択画像を必要とする手法を提案する。 本手法は,クラスを識別する画像領域のユーザ描画マーカーから,各畳み込み層のフィルタを学習する。 バックプロパゲーションに基づく最適化には依存せず、ココナッツツリー空中画像のバイナリ分類にその利点を実証する。
  論文  参考訳（メタデータ） (2020-08-08T15:50:23Z)

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。