論文の概要: Monitoring of Hermit Crabs Using drone-captured imagery and Deep Learning based Super-Resolution Reconstruction and Improved YOLOv8
- arxiv url: http://arxiv.org/abs/2408.03559v1
- Date: Wed, 7 Aug 2024 05:47:15 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-08 13:53:42.503415
- Title: Monitoring of Hermit Crabs Using drone-captured imagery and Deep Learning based Super-Resolution Reconstruction and Improved YOLOv8
- Title（参考訳）: ドローンキャプチャ画像とディープラーニングによる超解像再構成によるハーミットクレーブのモニタリングとYOLOv8の改良
- Authors: Fan Zhao, Yijia Chen, Dianhan Xi, Yongying Liu, Jiaqi Wang, Shigeru Tabeta, Katsunori Mizuno,
- Abstract要約: ハーミットカニは、種を分散させ、ゴミを浄化し、土壌を乱すことによって、沿岸生態系において重要な役割を担っている。
従来の調査手法、例えば四重項サンプリングは、労働集約、時間消費、環境依存である。
本研究では,UAVを用いたリモートセンシングと超解像再構成(SRR)とCRAB-YOLO検出ネットワークを組み合わせた革新的なアプローチを提案する。
- 参考スコア（独自算出の注目度）: 20.802793519520275
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Hermit crabs play a crucial role in coastal ecosystems by dispersing seeds, cleaning up debris, and disturbing soil. They serve as vital indicators of marine environmental health, responding to climate change and pollution. Traditional survey methods, like quadrat sampling, are labor-intensive, time-consuming, and environmentally dependent. This study presents an innovative approach combining UAV-based remote sensing with Super-Resolution Reconstruction (SRR) and the CRAB-YOLO detection network, a modification of YOLOv8s, to monitor hermit crabs. SRR enhances image quality by addressing issues such as motion blur and insufficient resolution, significantly improving detection accuracy over conventional low-resolution fuzzy images. The CRAB-YOLO network integrates three improvements for detection accuracy, hermit crab characteristics, and computational efficiency, achieving state-of-the-art (SOTA) performance compared to other mainstream detection models. The RDN networks demonstrated the best image reconstruction performance, and CRAB-YOLO achieved a mean average precision (mAP) of 69.5% on the SRR test set, a 40% improvement over the conventional Bicubic method with a magnification factor of 4. These results indicate that the proposed method is effective in detecting hermit crabs, offering a cost-effective and automated solution for extensive hermit crab monitoring, thereby aiding coastal benthos conservation.
- Abstract（参考訳）: ハーミットカニは、種を分散させ、ゴミを浄化し、土壌を乱すことによって、沿岸生態系において重要な役割を担っている。
気候変動や汚染に対処し、海洋環境の健康にとって重要な指標となっている。
従来の調査手法、例えば四重項サンプリングは、労働集約、時間消費、環境依存である。
本研究は,UAVを用いたリモートセンシングとスーパーリゾリューション(SRR)を併用し,YOLOv8sを改良したCRAB-YOLO検出ネットワークによるハーミットカニの監視手法を提案する。
SRRは、動きのぼやけや解像度の不足といった問題に対処することで画質を向上し、従来の低解像度ファジィ画像に対する検出精度を大幅に向上させる。
CRAB-YOLOネットワークは、検出精度、ハーミットカニ特性、計算効率の3つの改善を統合し、他の主流検出モデルと比較して最先端(SOTA)性能を達成する。
RDNネットワークは最高の画像再構成性能を示し、CRAB-YOLOはSRRテストセットの平均平均精度(mAP)を69.5%達成した。
以上の結果から,本手法はハニガニの検出に有効であることが示唆された。
関連論文リスト
- Adaptive Residual Transformation for Enhanced Feature-Based OOD Detection in SAR Imagery [5.63530048112308]
実際の戦場シナリオにおける未知の標的の存在は避けられない。
この問題に対処するために、様々な機能ベースのアウト・オブ・ディストリビューションアプローチが開発されている。
我々は,特徴量に基づくOOD検出をクラス局所化された特徴量に基づくアプローチに変換することを提案する。
論文 参考訳（メタデータ） (2024-11-01T00:09:02Z) - A method for detecting dead fish on large water surfaces based on improved YOLOv10 [0.6874745415692134]
死んだ魚は水質の悪化、生態系の損傷、病気の伝染などの重大な問題を引き起こす可能性がある。
本稿では,拡張YOLOv10フレームワーク上に構築したエンドツーエンド検出モデルを提案する。
論文 参考訳（メタデータ） (2024-08-31T08:43:37Z) - Underwater litter monitoring using consumer-grade aerial-aquatic speedy scanner (AASS) and deep learning based super-resolution reconstruction and detection network [19.943809531496388]
本研究では,Aerial-Aquatic Speedy Scanner (AASS) とSuper-Resolution Reconstruction (SRR) と改良されたYOLOv8検出ネットワークを紹介する。
AASSは従来の手法よりもデータ取得効率を高め、水中の廃棄物を正確に識別する高品質な画像をキャプチャする。
SRRは、動きのぼやけと解像度の不十分さを軽減し、画像分解能を向上させる。
論文 参考訳（メタデータ） (2024-08-07T05:56:05Z) - Diffusion Enhancement for Cloud Removal in Ultra-Resolution Remote
Sensing Imagery [48.14610248492785]
雲層は、光学リモートセンシング(RS)画像の品質と効果を著しく損なう。
既存のディープラーニング(DL)ベースのクラウド削除(CR)技術は、元の視覚的正当性と画像の詳細なセマンティック内容の正確な再構築に困難を伴う。
この課題に対処するために、データと方法論の面での強化を提案する。
論文 参考訳（メタデータ） (2024-01-25T13:14:17Z) - DifAugGAN: A Practical Diffusion-style Data Augmentation for GAN-based
Single Image Super-resolution [88.13972071356422]
本稿では,DifAugGAN として知られる GAN ベースの画像超解像法(SR) のための拡散型データ拡張手法を提案する。
それは、訓練中の判別器の校正を改善するために、生成拡散モデルに拡散過程を適用することを含む。
我々のDifAugGANは、現在のGANベースのSISR手法のプラグ・アンド・プレイ戦略であり、判別器の校正を改善し、SR性能を向上させることができる。
論文 参考訳（メタデータ） (2023-11-30T12:37:53Z) - Enhancing Infrared Small Target Detection Robustness with Bi-Level
Adversarial Framework [61.34862133870934]
本稿では,異なる汚職の存在下での検出の堅牢性を促進するために,二段階の対向的枠組みを提案する。
我々の手法は広範囲の汚職で21.96%のIOUを著しく改善し、特に一般ベンチマークで4.97%のIOUを推進している。
論文 参考訳（メタデータ） (2023-09-03T06:35:07Z) - Small Object Detection via Coarse-to-fine Proposal Generation and
Imitation Learning [52.06176253457522]
本稿では,粗粒度パイプラインと特徴模倣学習に基づく小型物体検出に適した2段階フレームワークを提案する。
CFINetは、大規模な小さなオブジェクト検出ベンチマークであるSODA-DとSODA-Aで最先端の性能を達成する。
論文 参考訳（メタデータ） (2023-08-18T13:13:09Z) - UTD-Yolov5: A Real-time Underwater Targets Detection Method based on
Attention Improved YOLOv5 [0.7843067454030996]
サンゴ礁は海洋生物の持続可能な発展に 不可欠です
手作業による社会の保護は限定的で非効率である。
水中操作のためのロボットの利用がトレンドになっている。
本研究では,意識改善型YOLOv5に基づく水中目標検出アルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-07-02T14:09:08Z) - SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。
本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。
提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
論文 参考訳（メタデータ） (2022-06-09T14:00:26Z) - Robust Out-of-distribution Detection for Neural Networks [51.19164318924997]
既存の検出機構は, 分布内およびOOD入力の評価において, 極めて脆弱であることを示す。
ALOE と呼ばれる実効性のあるアルゴリズムを提案する。このアルゴリズムは,逆向きに構築された逆数と外数の両方の例にモデルを公開することにより,堅牢なトレーニングを行う。
論文 参考訳（メタデータ） (2020-03-21T17:46:28Z) - An Unsupervised Generative Neural Approach for InSAR Phase Filtering and
Coherence Estimation [3.8218584696400484]
我々は,共同位相フィルタリングとコヒーレンス推定のためのCNNに基づく生成モデルであるGenInSARを提案する。
GenInSARの衛星とシミュレートされたノイズのあるInSAR画像に関する教師なしの訓練は、全残留量削減において他の関連手法よりも優れている。
Coherence Root-Mean-Squared-Error と Phase Cosine Error はそれぞれ、関連する方法と比較して平均 0.54, 0.07, 0.05 改善されている。
論文 参考訳（メタデータ） (2020-01-27T08:50:39Z)
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。