論文の概要: An Efficient Illumination Invariant Tiger Detection Framework for
Wildlife Surveillance
- arxiv url: http://arxiv.org/abs/2311.17552v2
- Date: Fri, 5 Jan 2024 21:23:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-09 22:09:52.501646
- Title: An Efficient Illumination Invariant Tiger Detection Framework for
Wildlife Surveillance
- Title(参考訳): 野生生物保護のための効率的な照明不変型タイガー検出フレームワーク
- Authors: Gaurav Pendharkar, A.Ancy Micheal, Jason Misquitta, Ranjeesh Kaippada
- Abstract要約: 本稿では,トラ検出のためのEnlightenGANとYOLOv8に基づく正確な照明不変フレームワークを提案する。
微調整されたYOLOv8モデルでは、照明の強化を伴わずにmAPスコアが61%に達する。
このアプローチは、ATRWデータセットの最先端のパフォーマンスを約6%から7%向上させる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Tiger conservation necessitates the strategic deployment of multifaceted
initiatives encompassing the preservation of ecological habitats, anti-poaching
measures, and community involvement for sustainable growth in the tiger
population. With the advent of artificial intelligence, tiger surveillance can
be automated using object detection. In this paper, an accurate illumination
invariant framework is proposed based on EnlightenGAN and YOLOv8 for tiger
detection. The fine-tuned YOLOv8 model achieves a mAP score of 61% without
illumination enhancement. The illumination enhancement improves the mAP by
0.7%. The approaches elevate the state-of-the-art performance on the ATRW
dataset by approximately 6% to 7%.
- Abstract(参考訳): タイガー保護は、環境保全、密猟対策、トラの個体数の持続的な成長のためのコミュニティ関与を含む多面的イニシアチブの戦略的展開を必要とする。
人工知能の出現により、トラの監視はオブジェクト検出によって自動化される。
本稿では,トラ検出のためのEnlightenGANとYOLOv8に基づく正確な照明不変フレームワークを提案する。
微調整されたYOLOv8モデルでは、照明の強化なしにmAPスコアが61%に達する。
照明強化により、mAPは0.7%向上する。
このアプローチは、ATRWデータセットの最先端のパフォーマンスを約6%から7%向上させる。
関連論文リスト
- Sparse Attention Regression Network Based Soil Fertility Prediction With Ummaso [0.0]
主な目的は、不均一なデータ分布の影響を克服し、土壌肥育モデルの予測精度を改善することである。
導入されたモデルはスパースアテンションレグレッションを使用しており、不均衡なデータセットから関連する機能を効果的に取り入れている。
提案モデルでは,優れた性能指標が得られ,予測精度は98%に達した。
論文 参考訳(メタデータ) (2024-04-16T04:17:17Z) - Adaptation with Self-Evaluation to Improve Selective Prediction in LLMs [56.526095828316386]
大規模言語モデル(LLM)の選択予測性能を改善するために,自己評価による適応のための新しいフレームワークを提案する。
提案手法は,様々な質問応答(QA)データセット上で評価し,最先端の選択的予測手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2023-10-18T03:34:59Z) - PETA: Parameter-Efficient Trojan Attacks [10.327226660571121]
PETAはPLMの重みを損なう新しいトロイの木馬攻撃である。
攻撃者が被害者のトレーニングプロセスについて十分な知識を持っていない場合でも,攻撃成功率とクリーン精度の両方の観点からPETAの有効性を実証する。
論文 参考訳(メタデータ) (2023-10-01T12:07:44Z) - Towards Green AI in Fine-tuning Large Language Models via Adaptive
Backpropagation [58.550710456745726]
ファインチューニングは、トレーニング済みの大規模言語モデル(LLM)を下流アプリケーションに適用する最も効果的な方法である。
既存の高速微調整技術は, FLOPの低減に限界がある。
本稿では,異なるテンソルのバックプロパゲーションコストを適応的に評価する新しい手法であるGreenTrainerについて述べる。
論文 参考訳(メタデータ) (2023-09-22T21:55:18Z) - Model Leeching: An Extraction Attack Targeting LLMs [4.533013952442819]
Model Leechingは、Large Language Models (LLM)をターゲットにした新しい抽出攻撃である。
また,ChatGPT-3.5-Turbo からタスク能力を抽出し,SQuAD EM と F1 の精度スコアを 75% と 87% の精度で,API コストで50 ドルに抑えた。
論文 参考訳(メタデータ) (2023-09-19T11:45:29Z) - Patch-Level Contrasting without Patch Correspondence for Accurate and
Dense Contrastive Representation Learning [79.43940012723539]
ADCLRは、正確で高密度な視覚表現を学習するための自己教師型学習フレームワークである。
提案手法は, コントラッシブな手法のための新しい最先端性能を実現する。
論文 参考訳(メタデータ) (2023-06-23T07:38:09Z) - Light-YOLOv5: A Lightweight Algorithm for Improved YOLOv5 in Complex
Fire Scenarios [8.721557548002737]
本稿では,高速かつ精度のバランスをとる軽量なライトヨロブ5火災検知アルゴリズムを提案する。
実験の結果、Light-YOLOv5は元のアルゴリズムに比べてmAPを3.3%改善し、パラメータ数を27.1%減らし、計算量を19.1%減らし、FPSは91.1に達した。
論文 参考訳(メタデータ) (2022-08-29T08:36:04Z) - Neuroevolution-based Classifiers for Deforestation Detection in Tropical
Forests [62.997667081978825]
森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。
監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。
本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
論文 参考訳(メタデータ) (2022-08-23T16:04:12Z) - To be Critical: Self-Calibrated Weakly Supervised Learning for Salient
Object Detection [95.21700830273221]
弱教師付き有色物体検出(WSOD)は,画像レベルのアノテーションを用いた有色度モデルの開発を目的としている。
擬似ラベルとネットワーク予測の相互校正ループを明確に設定し,自己校正学習戦略を提案する。
十分に整合したアノテーションを持つはるかに小さなデータセットであっても、モデルがより優れたパフォーマンスと一般化性を達成するのに役立ちます。
論文 参考訳(メタデータ) (2021-09-04T02:45:22Z) - MST: Masked Self-Supervised Transformer for Visual Representation [52.099722121603506]
Transformerは自然言語処理(NLP)における自己教師型事前学習に広く利用されている。
我々は、画像の局所的コンテキストを明示的にキャプチャできる、MSTと呼ばれる新しいMasked Self-supervised Transformerアプローチを提案する。
MSTは、線形評価による300エポック事前トレーニングのみを使用して、DeiT-Sで76.9%のTop-1精度を達成する。
論文 参考訳(メタデータ) (2021-06-10T11:05:18Z) - SLIC-UAV: A Method for monitoring recovery in tropical restoration
projects through identification of signature species using UAVs [0.0]
本研究では, 熱帯林における初期絶滅種を地図化するために, 無人航空機 (UAV) 画像の処理を行うパイプラインSLIC-UAVを提案する。
a)UAV画像からクラウンをラベル付けするための時間効率のよいアプローチ、(b)個々の樹冠のスペクトル的特徴とテクスチャ的特徴に基づく種の機械学習、(c)UAV画像を「スーパーピクセル」に自動分割するパイプラインは新規である。
本研究は,熱帯林の復元地域における優占樹種の地図化におけるSlic-UAVの意義を実証するものである。
論文 参考訳(メタデータ) (2020-06-11T17:22:56Z)
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。