論文の概要: PARDINUS: Weakly supervised discarding of photo-trapping empty images based on autoencoders

• arxiv url: http://arxiv.org/abs/2312.14812v1
• Date: Fri, 22 Dec 2023 16:33:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-25 14:30:49.213462
• Title: PARDINUS: Weakly supervised discarding of photo-trapping empty images based on autoencoders
• Title（参考訳）: PARDINUS:オートエンコーダに基づく写真追跡空白画像の削除を弱めに監視
• Authors: David de la Rosa, Antonio J Rivera, Mar\'ia J del Jesus, Francisco Charte
• Abstract要約: 写真撮影カメラは、動きが検出されたときに写真を撮って、動物が現れる像を捉えます。 これらの画像の大部分は空で、画像には野生生物は現れない。 画像のフィルタリングは、生物学者の手作業で何時間もかかるので、簡単な作業ではない。
• 参考スコア（独自算出の注目度）: 1.3654846342364308
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Photo-trapping cameras are widely employed for wildlife monitoring. Those cameras take photographs when motion is detected to capture images where animals appear. A significant portion of these images are empty - no wildlife appears in the image. Filtering out those images is not a trivial task since it requires hours of manual work from biologists. Therefore, there is a notable interest in automating this task. Automatic discarding of empty photo-trapping images is still an open field in the area of Machine Learning. Existing solutions often rely on state-of-the-art supervised convolutional neural networks that require the annotation of the images in the training phase. PARDINUS (Weakly suPervised discARDINg of photo-trapping empty images based on aUtoencoderS) is constructed on the foundation of weakly supervised learning and proves that this approach equals or even surpasses other fully supervised methods that require further labeling work.
• Abstract（参考訳）: 写真撮影カメラは野生生物の監視に広く利用されている。 これらのカメラは、動きが検出されたときに写真を撮り、動物が現れる像を捉えます。 これらの画像の大部分は空で、画像には野生生物は現れない。 画像のフィルタリングは、生物学者の手作業で何時間もかかるので、簡単な作業ではない。 したがって、このタスクの自動化には顕著な関心がある。 空のフォトトラッピング画像の自動破棄は、機械学習の分野ではまだオープンフィールドである。 既存のソリューションは、トレーニングフェーズで画像のアノテーションを必要とする最先端の教師付き畳み込みニューラルネットワークに依存することが多い。 PARDINUS (Weakly suPervised discARDINg of photo-trapping empty image based on aUtoencoderS) は、弱教師付き学習の基礎の上に構築され、この手法が更なるラベル付け作業を必要とする他の完全教師付き手法に等しいか、超えていることを証明している。

関連論文リスト

• Learning Subject-Aware Cropping by Outpainting Professional Photos [69.0772948657867]
  本稿では,高品質な主観的作物を生産する要因を,プロのストックイメージから学習するための弱教師付きアプローチを提案する。 私たちの洞察は、ストックイメージのライブラリと、最新のトレーニング済みのテキスト-画像拡散モデルを組み合わせることです。 我々は、収穫された無作為のトレーニングペアの大規模なデータセットを自動的に生成して、収穫モデルをトレーニングすることができる。
  論文  参考訳（メタデータ） (2023-12-19T11:57:54Z)
• 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)
• Neural Image Re-Exposure [86.42475408644822]
  不適切なシャッターは、ぼやけた画像、ビデオの不連続、あるいはローリングシャッターアーティファクトにつながる可能性がある。 ニューラルネットワークに基づく画像再露法フレームワークを提案する。 視覚的潜在空間構築のためのエンコーダ、所望のシャッター戦略でニューラルフィルムに情報を集約する再露光モジュール、およびニューラルフィルムを所望の画像に「展開」するためのデコーダから構成される。
  論文  参考訳（メタデータ） (2023-05-23T01:55:37Z)
• Weakly Supervised Faster-RCNN+FPN to classify animals in camera trap images [0.0]
  カメラトラップは、生息地や行動のためにこれまで観測できなかった多くの種の動物研究に革命をもたらした。 ディープラーニングは、分類や空のイメージに従って画像分類を自動化するために、ワークロードを克服する可能性がある。 Weakly Object Detection Faster-RCNN+FPNというワークフローを提案する。
  論文  参考訳（メタデータ） (2022-08-30T08:21:59Z)
• Learning to Detect Every Thing in an Open World [139.78830329914135]
  我々は、Learning to Detect Every Thing (LDET)と呼ぶ、シンプルながら驚くほど強力なデータ拡張とトレーニングスキームを提案する。 可視だがラベル付けされていない背景オブジェクトの隠蔽を避けるため、元の画像の小さな領域から採取した背景画像上に注釈付きオブジェクトを貼り付ける。 LDETは、オープンワールドのインスタンスセグメンテーションタスクにおいて、多くのデータセットに大きな改善をもたらす。
  論文  参考訳（メタデータ） (2021-12-03T03:56:06Z)
• Exploiting Web Images for Fine-Grained Visual Recognition by Eliminating Noisy Samples and Utilizing Hard Ones [60.07027312916081]
  トレーニング中に実世界のWeb画像から無関係なサンプルを除去するための新しいアプローチを提案します。 私達のアプローチはよりよい性能を達成するために無関係な騒々しいWebイメージおよび堅い例の有害な影響を緩和できます。
  論文  参考訳（メタデータ） (2021-01-23T03:58:10Z)
• WhoAmI: An Automatic Tool for Visual Recognition of Tiger and Leopard Individuals in the Wild [3.1708876837195157]
  我々は,動物を識別し,動物の種類を特定し,2種の個体を識別する自動アルゴリズムを開発した。 本研究では,南インドのジャングルに記録されたカメラトラップ画像のデータセットに対するアプローチの有効性を示す。
  論文  参考訳（メタデータ） (2020-06-17T16:17:46Z)
• Automatic Detection and Recognition of Individuals in Patterned Species [4.163860911052052]
  我々は,異なるパターンの個体の自動検出と認識のための枠組みを開発する。 我々は最近提案したFaster-RCNNオブジェクト検出フレームワークを用いて画像中の動物を効率的に検出する。 我々は,シマウマおよびジャガー画像の認識システムを評価し,他のパターンの種への一般化を示す。
  論文  参考訳（メタデータ） (2020-05-06T15:29:21Z)
• Sequence Information Channel Concatenation for Improving Camera Trap Image Burst Classification [1.94742788320879]
  カメラトラップは、生態系を乱すことなく、野生生物を自然の生息地で観察するために広く使用されている。 現在、世界中の様々な生態保護地域に大量のカメラトラップが配備されており、数十年にわたってデータを収集している。 既存のシステムは、画像が動物を含むかどうかを単一の画像から判断する分類を行う。 本研究では, チャネル間の3次元バースト画像とシーケンス情報を含むコンカレントマスクを用いて, ROC AUCを未知のカメラサイトからテストセットで20%改善することを示した。
  論文  参考訳（メタデータ） (2020-04-30T21:47:14Z)
• Self-Supervised Linear Motion Deblurring [112.75317069916579]
  深層畳み込みニューラルネットワークは、画像の劣化の最先端技術である。 本稿では,自己監督型動作遅延に対する識別可能なreblurモデルを提案する。 我々の実験は、自己監督された単一画像の劣化が本当に実現可能であることを実証した。
  論文  参考訳（メタデータ） (2020-02-10T20:15:21Z)

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。