論文の概要: Adapting the re-ID challenge for static sensors
- arxiv url: http://arxiv.org/abs/2412.00290v1
- Date: Sat, 30 Nov 2024 00:00:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-04 15:50:08.108167
- Title: Adapting the re-ID challenge for static sensors
- Title（参考訳）: 静的センサにおけるre-IDチャレンジの適応
- Authors: Avirath Sundaresan, Jason R. Parham, Jonathan Crall, Rosemary Warungu, Timothy Muthami, Margaret Mwangi, Jackson Miliko, Jason Holmberg, Tanya Y. Berger-Wolf, Daniel Rubenstein, Charles V. Stewart, Sara Beery,
- Abstract要約: 2016年と2018年、グレイビーズ・ラリー(GGR)によって、絶滅危惧種であるグレビーズ・シマウマの人口の国勢調査が実施された。
補完的でスケーラブルで長期にわたるGrevyの集団監視アプローチには、カメラトラップネットワークの展開が含まれる。
ケニアの明郡のGGR-16とGGR-18で撮影された画像は4,142個の高互換性のアノテーションで処理され,120個のコントラストな人的決定しか必要としなかった。
- 参考スコア（独自算出の注目度）: 2.667848437500915
- License:
- Abstract: In both 2016 and 2018, a census of the highly-endangered Grevy's zebra population was enabled by the Great Grevy's Rally (GGR), a citizen science event that produces population estimates via expert and algorithmic curation of volunteer-captured images. A complementary, scalable, and long-term Grevy's population monitoring approach involves deploying camera trap networks. However, in both scenarios, a substantial majority of zebra images are not usable for individual identification due to poor in-the-wild imaging conditions; camera trap images in particular present high rates of occlusion and high spatio-temporal similarity within image bursts. Our proposed filtering pipeline incorporates animal detection, species identification, viewpoint estimation, quality evaluation, and temporal subsampling to obtain individual crops suitable for re-ID, which are subsequently curated by the LCA decision management algorithm. Our method processed images taken during GGR-16 and GGR-18 in Meru County, Kenya, into 4,142 highly-comparable annotations, requiring only 120 contrastive human decisions to produce a population estimate within 4.6% of the ground-truth count. Our method also efficiently processed 8.9M unlabeled camera trap images from 70 cameras at the Mpala Research Centre in Laikipia County, Kenya over two years into 685 encounters of 173 individuals, requiring only 331 contrastive human decisions.
- Abstract（参考訳）: 2016年と2018年の間、高度に絶滅危惧されているグレビーのシマウマの人口の国勢調査は、ボランティアが撮影した画像の専門的およびアルゴリズム的なキュレーションを通じて人口推定を生成する市民科学イベントであるグレート・グレビーズ・ラリー(GGR)によって可能となった。
補完的でスケーラブルで長期にわたるGrevyの集団監視アプローチには、カメラトラップネットワークの展開が含まれる。
しかし、どちらのシナリオにおいても、シマウマ画像の大多数は、撮影条件の悪いために個人識別には利用できない。
提案するフィルタリングパイプラインは,動物検出,種識別,視点推定,品質評価,時間的サブサンプリングを取り入れて,レ-IDに適した個別作物を抽出し,その後LCA決定管理アルゴリズムで算出する。
ケニアのメル郡GGR-16とGGR-18で撮影された画像は4,142個の高互換性のアノテーションで処理され,人口推定値の4.6%以内に人口を推定するためには,120個の対照的な人的決定しか必要としなかった。
また、ケニアのライキピア郡にあるMpala Research Centreで、70台のカメラから8.9万枚のカメラトラップ画像を効率よく処理し、173名の個人が685回遭遇した。
関連論文リスト
- Multimodal Foundation Models for Zero-shot Animal Species Recognition in
Camera Trap Images [57.96659470133514]
モーションアクティベートカメラトラップは、世界中の野生生物を追跡・監視するための効率的なツールである。
教師付き学習技術は、そのような画像を分析するためにうまく展開されているが、そのような訓練には専門家のアノテーションが必要である。
コストのかかるラベル付きデータへの依存を減らすことは、人間の労働力を大幅に減らした大規模野生生物追跡ソリューションを開発する上で、大きな可能性を秘めている。
論文 参考訳（メタデータ） (2023-11-02T08:32:00Z) - Removing Human Bottlenecks in Bird Classification Using Camera Trap
Images and Deep Learning [0.14746127876003345]
鳥類の個体数を監視することは生態学者にとって不可欠である。
カメラトラップ、音響モニター、ドローンなどの技術は、非侵襲的な監視方法を提供する。
監視にカメラトラップを使用する場合の主な問題は2つある。a) カメラは多くの画像を生成し、タイムリーにデータを処理し分析することが困難になる。
本稿では,鳥種のリアルタイム分類にディープラーニングを活用することによって,これらの問題を克服するためのアプローチを概説する。
論文 参考訳（メタデータ） (2023-05-03T13:04:39Z) - Corneal endothelium assessment in specular microscopy images with Fuchs'
dystrophy via deep regression of signed distance maps [48.498376125522114]
本稿では,UNetをベースとしたセグメンテーション手法を提案する。
これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
論文 参考訳（メタデータ） (2022-10-13T15:34:20Z) - Bag of Tricks for Long-Tail Visual Recognition of Animal Species in
Camera Trap Images [2.294014185517203]
近年,カメラトラップ画像における動物種の長期的視覚認識に対処する手法が提案されている。
一般に、平方根サンプリングは、マイノリティクラスの性能を約10%向上させる方法であった。
提案手法は, テール級の性能と, ヘッド級の精度との最良のトレードオフを達成した。
論文 参考訳（メタデータ） (2022-06-24T18:30:26Z) - Distance Estimation and Animal Tracking for Wildlife Camera Trapping [0.0]
カメラから動物までの距離を推定する完全自動手法を提案する。
我々は、距離を推定するために最先端の相対的MDEと新しいアライメント手順を利用する。
平均絶対距離推定誤差は0.9864mで、精度90.3%、リコール63.8%である。
論文 参考訳（メタデータ） (2022-02-09T18:12:18Z) - The Report on China-Spain Joint Clinical Testing for Rapid COVID-19 Risk
Screening by Eye-region Manifestations [59.48245489413308]
携帯電話カメラで中国とスペインで撮影された視線領域の画像を用いて、新型コロナウイルスの早期スクリーニングモデルを開発し、テストした。
AUC, 感度, 特異性, 精度, F1。
論文 参考訳（メタデータ） (2021-09-18T02:28:01Z) - Florida Wildlife Camera Trap Dataset [48.99466876948454]
フロリダ州南西部の2つの異なる場所から収集された野生生物カメラトラップ分類データセットについて紹介する。
データセットは104,495枚の画像からなり、視覚的に類似した種、様々な照明条件、スキュードクラス分布、絶滅危惧種のサンプルを含む。
論文 参考訳（メタデータ） (2021-06-23T18:53:15Z) - Overcoming the Distance Estimation Bottleneck in Camera Trap Distance
Sampling [0.0]
動物数の推定は、例えば、土地利用の変化や外来種が種組成に与える影響を評価するために重要である。
本研究では,画像処理とパターン認識の最先端手法を活用した完全自動化ワークフローを提案する。
論文 参考訳（メタデータ） (2021-05-10T10:17:34Z) - Automatic Social Distance Estimation From Images: Performance
Evaluation, Test Benchmark, and Algorithm [78.88882860340797]
新型コロナウイルスは2020年3月から世界的なパンデミックを引き起こしている。
感染リスクを低減するため、他者から最低1メートルの距離を維持することが強く示唆されている。
このようなアルゴリズムには適切なテストベンチマークは存在しない。
論文 参考訳（メタデータ） (2021-03-11T16:15:20Z) - Unifying data for fine-grained visual species classification [15.14767769034929]
465種にまたがる2.9M画像に基づいて訓練した,初期の深部畳み込みニューラルネットワークモデルを提案する。
長期的な目標は、科学者が種数と人口の健康状態のほぼリアルタイムでの分析から、保護的なレコメンデーションを行うことである。
論文 参考訳（メタデータ） (2020-09-24T01:04:18Z) - AGE Challenge: Angle Closure Glaucoma Evaluation in Anterior Segment
Optical Coherence Tomography [61.405005501608706]
アングル閉鎖緑内障(ACG)は開角緑内障よりも攻撃的な疾患である。
前部セグメント光コヒーレンス・トモグラフィー(AS-OCT)は、開角度から角度閉鎖を識別する高速で接触のない方法を提供する。
既存のメソッドを均一に評価するためのパブリックなAS-OCTデータセットは存在しない。
私たちは,MICCAI 2019と共同で開催したAngle closure Glaucoma Evaluation Challenge (AGE)を組織した。
論文 参考訳（メタデータ） (2020-05-05T14:55:01Z)
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。