論文の概要: Aedes aegypti Egg Counting with Neural Networks for Object Detection

• arxiv url: http://arxiv.org/abs/2403.08016v1
• Date: Tue, 12 Mar 2024 18:28:13 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-14 16:55:13.397383
• Title: Aedes aegypti Egg Counting with Neural Networks for Object Detection
• Title（参考訳）: 物体検出のためのニューラルネットワークを用いたAedes aegypti Egg Counting
• Authors: Micheli Nayara de Oliveira Vicente, Gabriel Toshio Hirokawa Higa, Jo\~ao Vitor de Andrade Porto, Higor Henrique, Picoli Nucci, Asser Botelho Santana, Karla Rejane de Andrade Porto, Antonia Railda Roel, Hemerson Pistori
• Abstract要約: 本研究では,実験室の卵子を含む新しいデータセットと,その課題に適用した3つのニューラルネットワークの試験結果を提案する。 エッグカウント(Egg counting)は、コンピュータビジョンベースの技術によって自動化される、面倒でエラーを起こしやすいタスクである。
• 参考スコア（独自算出の注目度）: 0.3045605235248346
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Aedes aegypti is still one of the main concerns when it comes to disease vectors. Among the many ways to deal with it, there are important protocols that make use of egg numbers in ovitraps to calculate indices, such as the LIRAa and the Breteau Index, which can provide information on predictable outbursts and epidemics. Also, there are many research lines that require egg numbers, specially when mass production of mosquitoes is needed. Egg counting is a laborious and error-prone task that can be automated via computer vision-based techniques, specially deep learning-based counting with object detection. In this work, we propose a new dataset comprising field and laboratory eggs, along with test results of three neural networks applied to the task: Faster R-CNN, Side-Aware Boundary Localization and FoveaBox.
• Abstract（参考訳）: Aedes aegyptiは、病気のベクターに関しても、依然として主要な関心事の1つである。 これに対処する多くの方法の1つとして、レリアやブレトー指数などの指標を計算するために卵数を使用する重要なプロトコルがあり、予測可能なアウトバーストや疫病に関する情報を提供することができる。 また、特に蚊の大量生産が必要な場合、卵数を必要とする研究線が多数存在する。 エッグカウント(Egg counting)は、コンピュータビジョンベースの技術、特に物体検出を伴う深層学習に基づくカウントによって自動化される、退屈でエラーを起こしやすいタスクである。 本研究では、フィールドと実験室の卵からなる新しいデータセットと、より高速なR-CNN、サイドアウェア境界局所化、FoveaBoxの3つのニューラルネットワークのテスト結果を提案する。

関連論文リスト

• Neural decoding from stereotactic EEG: accounting for electrode variability across subjects [21.28778005847666]
  本稿では,SEEGデータを用いて被験者間の振る舞いを復号化するためのトレーニングフレームワークである seegnificant を紹介する。 本研究では,行動課題を遂行する21人の被験者の複合データに基づいて学習した多目的モデルを構築した。
  論文  参考訳（メタデータ） (2024-11-01T17:58:01Z)
• Verified Neural Compressed Sensing [58.98637799432153]
  精度の高い計算タスクのために、初めて(私たちの知識を最大限に活用するために)証明可能なニューラルネットワークを開発します。 極小問題次元(最大50)では、線形および双項線形測定からスパースベクトルを確実に回復するニューラルネットワークを訓練できることを示す。 ネットワークの複雑さは問題の難易度に適応できることを示し、従来の圧縮センシング手法が証明不可能な問題を解く。
  論文  参考訳（メタデータ） (2024-05-07T12:20:12Z)
• Deception Detection from Linguistic and Physiological Data Streams Using Bimodal Convolutional Neural Networks [19.639533220155965]
  本稿では,畳み込み型ニューラルネットワークのマルチモーダルな騙し検出への応用について検討する。 2つのトピックについて104人の被験者にインタビューして構築したデータセットを使用します。
  論文  参考訳（メタデータ） (2023-11-18T02:44:33Z)
• Towards Better Out-of-Distribution Generalization of Neural Algorithmic Reasoning Tasks [51.8723187709964]
  ニューラルネットワーク推論タスクのOOD一般化について検討する。 目標は、ディープニューラルネットワークを使用して入出力ペアからアルゴリズムを学ぶことである。
  論文  参考訳（メタデータ） (2022-11-01T18:33:20Z)
• Convolutional generative adversarial imputation networks for spatio-temporal missing data in storm surge simulations [86.5302150777089]
  GAN(Generative Adversarial Imputation Nets)とGANベースの技術は、教師なし機械学習手法として注目されている。 提案手法を Con Conval Generative Adversarial Imputation Nets (Conv-GAIN) と呼ぶ。
  論文  参考訳（メタデータ） (2021-11-03T03:50:48Z)
• Dive into Layers: Neural Network Capacity Bounding using Algebraic Geometry [55.57953219617467]
  ニューラルネットワークの学習性はそのサイズと直接関連していることを示す。 入力データとニューラルネットワークのトポロジ的幾何学的複雑さを測定するためにベッチ数を用いる。 実世界のデータセットMNISTで実験を行い、分析結果と結論を検証した。
  論文  参考訳（メタデータ） (2021-09-03T11:45:51Z)
• Dataset for eye-tracking tasks [0.0]
  本稿では、視線追跡タスクのための畳み込みニューラルネットワークのカスタムモデルのトレーニングに適したデータセットを提案する。 このデータセットは1万枚の眼画像を416ピクセルから416ピクセルに拡張している。 この原稿は、視線追跡装置用のデータセットを作成するためのガイドとみなすことができる。
  論文  参考訳（メタデータ） (2021-06-01T23:54:23Z)
• A Simple and Efficient Multi-task Network for 3D Object Detection and Road Understanding [20.878931360708343]
  シンプルで効率的なマルチタスクネットワークを通じて、すべての知覚タスクを実行できることを示します。 提案するネットワークであるLidarMTLは、生のLiDAR点雲を入力とし、3次元物体検出と道路理解のための6つの知覚出力を予測する。
  論文  参考訳（メタデータ） (2021-03-06T08:00:26Z)
• Generalized Iris Presentation Attack Detection Algorithm under Cross-Database Settings [63.90855798947425]
  プレゼンテーションアタックは、バイオメトリックなモダリティの大部分に大きな課題をもたらす。 本稿では,汎用的な深層学習に基づくプレゼンテーション攻撃検出ネットワークであるMVANetを提案する。 これはハイブリッドアルゴリズムの単純さと成功、あるいは複数の検出ネットワークの融合にインスパイアされている。
  論文  参考訳（メタデータ） (2020-10-25T22:42:27Z)
• Boosting Deep Neural Networks with Geometrical Prior Knowledge: A Survey [77.99182201815763]
  ディープニューラルネットワーク(DNN)は多くの異なる問題設定において最先端の結果を達成する。 DNNはしばしばブラックボックスシステムとして扱われ、評価と検証が複雑になる。 コンピュータビジョンタスクにおける畳み込みニューラルネットワーク(CNN)の成功に触発された、有望な分野のひとつは、対称幾何学的変換に関する知識を取り入れることである。
  論文  参考訳（メタデータ） (2020-06-30T14:56:05Z)

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。