論文の概要: Comparing fine-grained and coarse-grained object detection for ecology
- arxiv url: http://arxiv.org/abs/2407.00018v1
- Date: Mon, 6 May 2024 04:50:55 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-22 22:48:25.036913
- Title: Comparing fine-grained and coarse-grained object detection for ecology
- Title（参考訳）: 生態学における細粒度および粗粒度検出の比較
- Authors: Jess Tam, Justin Kay,
- Abstract要約: 単一クラスにおける複数種の組み合わせによるモデル結果への影響について検討した。
一つのクラスにマージすることで最も恩恵を受けた種は、主に形態学的に類似した種であることがわかりました。
形態学的に類似した種を機能群あるいは高い分類群として分類し,生態学的推測を導出できることが示唆された。
- 参考スコア（独自算出の注目度）: 0.5755004576310334
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Computer vision applications are increasingly popular for wildlife monitoring tasks. While some studies focus on the monitoring of a single species, such as a particular endangered species, others monitor larger functional groups, such as predators. In our study, we used camera trap images collected in north-western New South Wales, Australia, to investigate how model results were affected by combining multiple species in single classes, and whether the addition of negative samples can improve model performance. We found that species that benefited the most from merging into a single class were mainly species that look alike morphologically, i.e. macropods. Whereas species that looked distinctively different gave mixed results when merged, e.g. merging pigs and goats together as non-native large mammals. We also found that adding negative samples improved model performance marginally in most instances, and recommend conducting a more comprehensive study to explore whether the marginal gains were random or consistent. We suggest that practitioners could classify morphologically similar species together as a functional group or higher taxonomic group to draw ecological inferences. Nevertheless, whether to merge classes or not will depend on the ecological question to be explored.
- Abstract（参考訳）: コンピュータビジョンアプリケーションは、野生生物の監視タスクでますます人気がある。
特定の絶滅危惧種のような単一の種のモニタリングに焦点を当てる研究もあるが、捕食者のようなより大きな機能群を監視する研究もある。
本研究では,オーストラリア・ニューサウスウェールズ州北西部で収集されたカメラトラップ画像を用いて,単一クラスに複数種を組み合わせることでモデル結果がどう影響するか,負のサンプルを追加することでモデル性能が向上するかを検討した。
単一のクラスにマージすることで最も恩恵を受けた種は、主に形態学的に類似した種、すなわちマクロポッドであることがわかった。
異なる外見を持つ種は合併すると混合の結果が得られたが、例えばブタとヤギは非ネイティブな大型哺乳類として融合した。
また,ほとんどの事例において,負のサンプルを追加することでモデル性能が極端に向上し,限界ゲインがランダムか一貫性があるかを調べるため,より包括的な調査を行うことが推奨された。
形態学的に類似した種を機能群あるいは高い分類群として分類し,生態学的推測を導出できることが示唆された。
それでも、クラスをマージするか否かは、探索すべき生態学的問題に依存する。
関連論文リスト
- LD-SDM: Language-Driven Hierarchical Species Distribution Modeling [9.620416509546471]
我々は,世界規模の存在のみのデータを用いた種分布モデリングの問題に焦点をあてる。
種間の強い暗黙の関係を捉えるため,大きな言語モデルを用いて,種の分類学的階層を符号化した。
そこで本研究では,種分布モデルの評価が可能な近接認識評価指標を提案する。
論文 参考訳（メタデータ） (2023-12-13T18:11:37Z) - Comparison between transformers and convolutional models for
fine-grained classification of insects [7.107353918348911]
私たちはInsectaの分類学クラスを考えます。
昆虫の識別は多くの生態系の基盤にある住民の1つであるため、生物多様性監視に不可欠である。
何十億もの画像が自動的に分類され、ディープニューラルネットワークアルゴリズムが、きめ細かいタスクのために研究されている主要なテクニックの1つです。
論文 参考訳（メタデータ） (2023-07-20T10:00:04Z) - Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。
従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。
本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
論文 参考訳（メタデータ） (2023-06-05T03:36:01Z) - Ensembles of Vision Transformers as a New Paradigm for Automated
Classification in Ecology [0.0]
データ効率のよい画像変換器(DeiTs)のアンサンブルが従来のSOTA(SOTA)よりも大幅に優れていたことを示す。
テストしたすべてのデータセットに対して、新しいSOTAを実現し、以前のSOTAの18.48%から87.50%の誤差を削減した。
論文 参考訳（メタデータ） (2022-03-03T14:16:22Z) - Modeling Category-Selective Cortical Regions with Topographic
Variational Autoencoders [72.15087604017441]
カテゴリー選択性(英: Category-Selectivity)は、大脳皮質の特定の空間的局所化領域が特定の限られたカテゴリーからの刺激に対して頑健かつ選択的に反応する傾向にあるという観察を記述している。
新たに導入されたTopographic Variational Autoencoderを利用して、そのような局所化カテゴリ選択性の出現を教師なしでモデル化する。
本研究では,ヒト腹側頭皮質の観察に類似した,より抽象的なカテゴリのネストされた空間的階層が得られたことを示す予備的な結果を示す。
論文 参考訳（メタデータ） (2021-10-25T11:37:41Z) - Digital Taxonomist: Identifying Plant Species in Citizen Scientists'
Photographs [22.061682739457343]
画像データだけで 植物標本を分類するのは 難しい。
ほとんどの種は、空間的、時間的、生態的な文脈に関する副次的な情報を伴っている。
統合フレームワークにおけるこれらの追加手法を考慮した機械学習モデルを提案する。
論文 参考訳（メタデータ） (2021-06-07T16:38:02Z) - Dynamic $\beta$-VAEs for quantifying biodiversity by clustering
optically recorded insect signals [0.6091702876917281]
本稿では,系統群によるデータのクラスタリングが可能な変分オートエンコーダ(VAE)の適応的変種を提案する。
南スカンジナビアの光記録昆虫信号に対する動的$beta$-VAEの有用性を実証した。
論文 参考訳（メタデータ） (2021-02-10T16:14:13Z) - Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。
グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。
まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文 参考訳（メタデータ） (2020-06-11T17:29:53Z) - Two-View Fine-grained Classification of Plant Species [66.75915278733197]
本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。
シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
論文 参考訳（メタデータ） (2020-05-18T21:57:47Z) - Learning from Aggregate Observations [82.44304647051243]
本研究では,一組のインスタンスに監視信号が与えられる集合観察から学習する問題について検討する。
本稿では,多種多様な集合観測に適合する一般的な確率的枠組みを提案する。
単純な極大解は様々な微分可能なモデルに適用できる。
論文 参考訳（メタデータ） (2020-04-14T06:18:50Z) - Automatic image-based identification and biomass estimation of
invertebrates [70.08255822611812]
時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。
我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。
分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
論文 参考訳（メタデータ） (2020-02-05T21:38:57Z)
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。