Fugu-MT 論文翻訳(概要): Computer Vision Approaches for Automated Bee Counting Application

論文の概要: Computer Vision Approaches for Automated Bee Counting Application

arxiv url: http://arxiv.org/abs/2406.08898v1
Date: Thu, 13 Jun 2024 07:51:08 GMT
ステータス: 処理完了
システム内更新日: 2024-06-14 18:54:07.698650
Title: Computer Vision Approaches for Automated Bee Counting Application
Title（参考訳）: 自動ビーカウンティングのためのコンピュータビジョンアプローチ
Authors: Simon Bilik, Ilona Janakova, Adam Ligocki, Dominik Ficek, Karel Horak,
Abstract要約: 本稿では,2つのデータセットを数える自動蜂の3つの方法を比較する。最も優れたパフォーマンスの方法は、BUT1データセットで87%、BUT2データセットで93%の精度を達成したResNet-50畳み込みニューラルネットワーク分類器に基づいている。
参考スコア（独自算出の注目度）: 0.62914438169038
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Many application from the bee colony health state monitoring could be efficiently solved using a computer vision techniques. One of such challenges is an efficient way for counting the number of incoming and outcoming bees, which could be used to further analyse many trends, such as the bee colony health state, blooming periods, or for investigating the effects of agricultural spraying. In this paper, we compare three methods for the automated bee counting over two own datasets. The best performing method is based on the ResNet-50 convolutional neural network classifier, which achieved accuracy of 87% over the BUT1 dataset and the accuracy of 93% over the BUT2 dataset.
Abstract（参考訳）: ミツバチコロニーの健康状態モニタリングからの多くの応用はコンピュータビジョン技術を用いて効率的に解決できる。このような課題の1つは、ミツバチの入退避数を数える効率的な方法であり、ミツバチのコロニーの健康状態、開花期、農業散布の影響の調査など多くの傾向を分析するのに使用できる。本稿では,2つのデータセットを数える自動蜂の3つの方法を比較する。最も優れたパフォーマンスの方法は、BUT1データセットで87%、BUT2データセットで93%の精度を達成したResNet-50畳み込みニューラルネットワーク分類器に基づいている。

関連論文リスト

Developing an AI-based Integrated System for Bee Health Evaluation [2.000782513783418]
ハチは世界の食糧の約3分の1を受粉する。キノコのコロニーは過去10年間で40%近く減少した。本研究では,ミツバチの物体検出と健康評価を総合的に行うシステムを提案する。
論文参考訳（メタデータ） (2024-01-18T14:06:29Z)
IntelliBeeHive: An Automated Honey Bee, Pollen, and Varroa Destructor Monitoring System [0.157286095422595]
我々は,ハチミツバチのコロニー崩壊障害,ミツバチの行動,個体数減少,群集の健康状態の理解を高めるため,ハチミツバチモニタリングシステムを開発した。システムは、リアルタイムでデータを提供するハイブの入り口に位置し、ビーキーパーは、アカウントベースのウェブサイトを通じてハイブの活動と健康を綿密に監視することができる。機械学習を用いることで、ミツバチを正確に追跡し、花粉収集活動を監視し、ミツバチを混乱させることなくバロアミツバチを検出できます。
論文参考訳（メタデータ） (2023-09-16T11:13:47Z)
A Meta-Learning Approach to Predicting Performance and Data Requirements [163.4412093478316]
本稿では,モデルが目標性能に達するために必要なサンプル数を推定する手法を提案する。モデル性能を推定するデファクト原理であるパワー法則が,小さなデータセットを使用する場合の誤差が大きいことが判明した。本稿では,2つのデータを異なる方法で処理するPPL法について紹介する。
論文参考訳（メタデータ） (2023-03-02T21:48:22Z)
Comparing Machine Learning Techniques for Alfalfa Biomass Yield Prediction [0.8808021343665321]
アルファルファの作物は家畜の餌として世界的に重要で効率的な植え付けと収穫は多くの産業に役立ちます機械学習を用いてアルファルファやその他の作物の収量を予測する最近の研究は、有望であることが示されている。これまでの取り組みでは、リモートセンシング、天気、植林、土壌データを使用して、収量予測のための機械学習モデルをトレーニングしていた。
論文参考訳（メタデータ） (2022-10-20T13:00:33Z)
BeCAPTCHA-Type: Biometric Keystroke Data Generation for Improved Bot Detection [63.447493500066045]
本研究では,キーストローク生体データ合成のためのデータ駆動学習モデルを提案する。提案手法は,ユニバーサルモデルとユーザ依存モデルに基づく2つの統計的手法と比較する。実験フレームワークでは16万件の被験者から1億3600万件のキーストロークイベントのデータセットについて検討している。
論文参考訳（メタデータ） (2022-07-27T09:26:15Z)
Deep Learning approach for Classifying Trusses and Runners of Strawberries [1.6799377888527687]
本稿では,イチゴ植物のトラスとランナーの分類にDeep Learningを用いたことを提案する。提案手法は、データセットを人工的に増強するためにノイズ(ガウス、スペックル、ポアソン、ソルト・アンド・ペッパー)を使用することに基づいている。その結果, 精度, リコール, F1スコアの平均値を用いて評価した。
論文参考訳（メタデータ） (2022-07-06T14:48:35Z)
Portuguese Man-of-War Image Classification with Convolutional Neural Networks [58.720142291102135]
ポルトガルマン・オブ・ウォー(ポルトガル語: Man-of-war、PMW)は、長い触手を持つゼラチン質の生物である。本稿では,InstagramのソーシャルメディアからPMW画像を認識するための畳み込みニューラルネットワークの利用について報告する。
論文参考訳（メタデータ） (2022-07-04T03:06:45Z)
Deep neural networks approach to microbial colony detection -- a comparative analysis [52.77024349608834]
本稿では,AGARデータセットを用いた3つの深層学習手法の性能について検討する。得られた結果は将来の実験のベンチマークとして機能するかもしれない。
論文参考訳（メタデータ） (2021-08-23T12:06:00Z)
Semi-supervised deep learning based on label propagation in a 2D embedded space [117.9296191012968]
提案されたソリューションは、少数の教師なしイメージから多数の教師なしイメージにラベルを伝達し、ディープニューラルネットワークモデルをトレーニングする。本稿では、より正確なラベル付きサンプルを反復してセットから深層ニューラルネットワーク(VGG-16)をトレーニングするループを提案する。ラベル付きセットがイテレーションに沿って改善されるにつれて、ニューラルネットワークの機能が改善される。
論文参考訳（メタデータ） (2020-08-02T20:08:54Z)
Omni-supervised Facial Expression Recognition via Distilled Data [120.11782405714234]
ネットワークトレーニングにおいて,信頼度の高いサンプルを多量のラベルのないデータで活用するためのオムニ教師付き学習を提案する。我々は,新しいデータセットが学習したFERモデルの能力を大幅に向上させることができることを実験的に検証した。そこで本研究では,生成したデータセットを複数のクラスワイド画像に圧縮するために,データセット蒸留戦略を適用することを提案する。
論文参考訳（メタデータ） (2020-05-18T09:36:51Z)
The Automated Inspection of Opaque Liquid Vaccines [8.683940090609717]
異常を含む20フレームビデオサンプルの可能性を予測するために3D-ConvNetsを訓練する。自己学習のアプローチにより、217,888のサンプルをラベル付けすることでデータセットを拡張できます。
論文参考訳（メタデータ） (2020-02-21T16:45:29Z)

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。