論文の概要: Towards the in-situ Trunk Identification and Length Measurement of Sea Cucumbers via Bézier Curve Modelling
- arxiv url: http://arxiv.org/abs/2406.13951v1
- Date: Thu, 20 Jun 2024 02:44:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-21 17:36:50.138189
- Title: Towards the in-situ Trunk Identification and Length Measurement of Sea Cucumbers via Bézier Curve Modelling
- Title（参考訳）: ベジエ曲線モデルによる海キュウリのその場位置同定と長さ測定に向けて
- Authors: Shuaixin Liu, Kunqian Li, Yilin Ding, Kuangwei Xu, Qianli Jiang, Q. M. Jonathan Wu, Dalei Song,
- Abstract要約: 本研究では,海産キュウリの体幹同定と長さ測定のための新しい視覚ベースフレームワークを提案する。
曲げ度の異なる海産キュウリの幹曲線をモデル化するために,パラメトリックB'ezier曲線を用いる。
本稿では,B'ezier曲線モデリングとYou-Only-Look-Once (YOLO)パイプラインを併用したエンドツーエンド統合フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 12.040380642586804
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce a novel vision-based framework for in-situ trunk identification and length measurement of sea cucumbers, which plays a crucial role in the monitoring of marine ranching resources and mechanized harvesting. To model sea cucumber trunk curves with varying degrees of bending, we utilize the parametric B\'{e}zier curve due to its computational simplicity, stability, and extensive range of transformation possibilities. Then, we propose an end-to-end unified framework that combines parametric B\'{e}zier curve modeling with the widely used You-Only-Look-Once (YOLO) pipeline, abbreviated as TISC-Net, and incorporates effective funnel activation and efficient multi-scale attention modules to enhance curve feature perception and learning. Furthermore, we propose incorporating trunk endpoint loss as an additional constraint to effectively mitigate the impact of endpoint deviations on the overall curve. Finally, by utilizing the depth information of pixels located along the trunk curve captured by a binocular camera, we propose accurately estimating the in-situ length of sea cucumbers through space curve integration. We established two challenging benchmark datasets for curve-based in-situ sea cucumber trunk identification. These datasets consist of over 1,000 real-world marine environment images of sea cucumbers, accompanied by B\'{e}zier format annotations. We conduct evaluation on SC-ISTI, for which our method achieves mAP50 above 0.9 on both object detection and trunk identification tasks. Extensive length measurement experiments demonstrate that the average absolute relative error is around 0.15.
- Abstract（参考訳）: 本研究では,海産放牧資源のモニタリングや機械的収穫における重要な役割を担う,海産キュウリの個体識別と長さ測定のための新しいビジョンベースフレームワークを提案する。
曲げ度の異なる海産キュウリの幹曲線をモデル化するために、計算の単純さ、安定性、および広範囲の変換可能性からパラメトリックB\'{e}zier曲線を利用する。
次に,パラメトリックB\'{e}zier曲線モデリングと,広く使用されているYou-Only-Look-Once (YOLO) パイプラインを組み合わせ,有効なファンネルアクティベーションとマルチスケールアテンションモジュールを統合し,曲線特徴の認識と学習を促進する。
さらに,トランクの終端損失を付加制約として組み込むことにより,終端偏差が全曲線に与える影響を効果的に緩和する。
最後に、両眼カメラで捉えたトランクカーブに沿って位置する画素の深さ情報を利用して、空間曲線積分により海産キュウリのその場長を正確に推定することを提案する。
曲線に基づく海産キュウリの幹識別のための2つの挑戦的ベンチマークデータセットを構築した。
これらのデータセットは、B\'{e}zier フォーマットアノテーションを伴って、1,000以上の海産キュウリの実際の海洋環境画像で構成されている。
我々はSC-ISTIの評価を行い,本手法は物体検出タスクと幹識別タスクの両方において0.9以上のmAP50を達成する。
広範囲にわたる測定実験により、平均絶対相対誤差は約0.15であることが示された。
関連論文リスト
- Realtime Robust Shape Estimation of Deformable Linear Object [5.63550507123537]
本研究では, 線形変形可能な物体の形状を, 分散鍵点と非順序鍵点を用いてリアルタイムで推定するロバストな手法を提案する。
鍵点が部分的に無視されている場合の手法のロバスト性を示す。
提案手法は,長さ1m,半径5mmのケーブルの形状を追跡するためのUnityのシミュレーションにも組み込まれている。
論文 参考訳（メタデータ） (2024-03-24T13:36:23Z) - Transforming Observations of Ocean Temperature with a Deep Convolutional
Residual Regressive Neural Network [0.0]
海面温度(SST)は、地上の真理、リモートセンシング、ハイブリッドモデル手法を通じて測定できる、必須の気候変動である。
ここでは,20世紀後半から21世紀初頭にかけてのいくつかの技術進歩を応用して,SST監視の進展を祝福する。
本研究では, AMSR-E と MODIS を高分解能に融合させるため, 既存の水循環観測フレームワークである Flux to Flow (F2F) を開発した。
我々のニューラルネットワークアーキテクチャは、深い畳み込み残留回帰ニューラルネットワークに制約されている。
論文 参考訳（メタデータ） (2023-06-16T17:35:11Z) - Semi-Supervised and Long-Tailed Object Detection with CascadeMatch [91.86787064083012]
そこで我々はCascadeMatchと呼ばれる新しい擬似ラベル型検出器を提案する。
我々の検出器は、プログレッシブな信頼しきい値を持つ多段検出ヘッドを備えたカスケードネットワークアーキテクチャを備えている。
CascadeMatchは、長い尾のオブジェクト検出の処理において、既存の最先端の半教師付きアプローチを超越していることを示す。
論文 参考訳（メタデータ） (2023-05-24T07:09:25Z) - Fingerprint and universal Markovian closure of structured bosonic
environments [53.869623568923515]
本研究では, ボソニック環境のチェーンマッピング変換の特性を利用して, 環境の特徴的特徴, 指紋を捉えることができる有限なモードの集合を同定する。
マルコフ閉包は、標準連鎖写像技術に関して二次的なスピードアップを提供することを示す。
論文 参考訳（メタデータ） (2022-08-03T11:08:50Z) - DepthFormer: Exploiting Long-Range Correlation and Local Information for
Accurate Monocular Depth Estimation [50.08080424613603]
高精度な単分子深度推定には長距離相関が不可欠である。
我々は,このグローバルコンテキストを効果的な注意機構でモデル化するためにTransformerを活用することを提案する。
提案したモデルであるDepthFormerは、最先端のモノクル深度推定手法をはるかに超えている。
論文 参考訳（メタデータ） (2022-03-27T05:03:56Z) - Rethinking Efficient Lane Detection via Curve Modeling [37.45243848960598]
提案手法は,LLAMASベンチマークにおける最先端性能を実現する。
また、TuSimpleとCUデータセットに対して、低レイテンシ (> 150 FPS) と小さなモデルサイズ (10M) の両方を維持しながら、良好な精度を実現している。
論文 参考訳（メタデータ） (2022-03-04T17:00:33Z) - Unsupervised Scale-consistent Depth Learning from Video [131.3074342883371]
本研究では,単眼深度推定器SC-Depthを提案する。
スケール一貫性予測の能力により,我々の単分子学習深層ネットワークは簡単にORB-SLAM2システムに統合可能であることを示す。
提案したハイブリッドPseudo-RGBD SLAMは、KITTIにおいて魅力的な結果を示し、追加のトレーニングなしでKAISTデータセットにうまく一般化する。
論文 参考訳（メタデータ） (2021-05-25T02:17:56Z) - GELATO: Geometrically Enriched Latent Model for Offline Reinforcement
Learning [54.291331971813364]
オフライン強化学習アプローチは、近近法と不確実性認識法に分けられる。
本研究では,この2つを潜在変動モデルに組み合わせることのメリットを実証する。
提案したメトリクスは、分布サンプルのアウトの品質と、データ内のサンプルの不一致の両方を測定します。
論文 参考訳（メタデータ） (2021-02-22T19:42:40Z) - Semi-Local 3D Lane Detection and Uncertainty Estimation [6.296104145657063]
本手法は, 半局所的, BEV, タイル表現に基づいて, レーンを単純なレーンセグメントに分解する。
セグメントのパラメトリックモデル学習と、セグメントを完全なレーンにまとめるのに使用される深い機能埋め込みを組み合わせる。
本手法は,レーン検出タスクに対する学習に基づく不確実性推定を初めて出力する手法である。
論文 参考訳（メタデータ） (2020-03-11T12:35:24Z) - Semi-Supervised Learning with Normalizing Flows [54.376602201489995]
FlowGMMは、フローの正規化を伴う生成半教師付き学習におけるエンドツーエンドのアプローチである。
我々は AG-News や Yahoo Answers のテキストデータなど,幅広いアプリケーションに対して有望な結果を示す。
論文 参考訳（メタデータ） (2019-12-30T17:36:33Z)
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。