Fugu-MT 論文翻訳(概要): Sound Classification of Four Insect Classes

論文の概要: Sound Classification of Four Insect Classes

arxiv url: http://arxiv.org/abs/2412.12395v1
Date: Mon, 16 Dec 2024 23:03:28 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-18 13:57:14.862703
Title: Sound Classification of Four Insect Classes
Title（参考訳）: 4つの昆虫の音の分類
Authors: Yinxuan Wang, Sudip Vhaduri,
Abstract要約: このプロジェクトの目的は、シカ、カブトムシ、シロアリ、クリケットの4つの異なる音を分類することである。このプロジェクトの1つの応用は、害虫のコントロールが私たちのエコシステムを監視し、保護することです。
参考スコア（独自算出の注目度）: 0.7366405857677226
License:
Abstract: The goal of this project is to classify four different insect sounds: cicada, beetle, termite, and cricket. One application of this project is for pest control to monitor and protect our ecosystem. Our project leverages data augmentation, including pitch shifting and speed changing, to improve model generalization. This project will test the performance of Decision Tree, Random Forest, SVM RBF, XGBoost, and k-NN models, combined with MFCC feature. A potential novelty of this project is that various data augmentation techniques are used and created 6 data along with the original sound. The dataset consists of the sound recordings of these four insects. This project aims to achieve a high classification accuracy and to reduce the over-fitting problem.
Abstract（参考訳）: このプロジェクトの目的は、シカ、カブトムシ、シロアリ、クリケットの4つの異なる音を分類することである。このプロジェクトの1つの応用は、害虫のコントロールが私たちのエコシステムを監視し、保護することです。我々のプロジェクトは、ピッチシフトや速度変化を含むデータ拡張を活用して、モデル一般化を改善する。このプロジェクトでは、決定木、ランダムフォレスト、SVM RBF、XGBoost、k-NNモデルとMFCCの機能を組み合わせたパフォーマンスをテストする。このプロジェクトの潜在的新規性は、様々なデータ拡張技術を使用し、元の音とともに6つのデータを生成することである。データセットは、これらの4つの昆虫の音の記録から成っている。本研究の目的は,高い分類精度を達成し,過度に適合する問題を解消することである。

関連論文リスト

Deep-Wide Learning Assistance for Insect Pest Classification [1.9912919001438378]
昆虫害虫分類のための新しい学習支援であるDeWiについて紹介する。 1段階のトレーニング戦略と交互トレーニング戦略により、DeWiは同時に、いくつかの畳み込みニューラルネットワークを改善している。実験の結果,2つの害虫分類ベンチマークにおいて,DeWiが最も高い性能を示した。
論文参考訳（メタデータ） (2024-09-16T16:29:41Z)
InsectMamba: Insect Pest Classification with State Space Model [8.470757741028661]
InsectMambaは、ステートスペースモデル(SSM)、畳み込みニューラルネットワーク(CNN)、マルチヘッド自己認識機構(MSA)、マルチレイヤパーセプトロン(MLP)をMix-SSMブロックに統合する新しいアプローチである。 5種類の害虫分類データセットの強い競争相手に対して評価された。
論文参考訳（メタデータ） (2024-04-04T17:34:21Z)
Insect-Foundation: A Foundation Model and Large-scale 1M Dataset for Visual Insect Understanding [15.383106771910274]
現在のマシンビジョンモデルは、高性能を達成するために大量のデータを必要とする。 Insect-1M"データセットは,昆虫に関する基礎モデルトレーニングに革命をもたらすことを意図したゲーム変更リソースである。私たちのデータセットは、昆虫の幅広い範囲をカバーしており、100万枚の画像を含む分類分類階層と昆虫の記載の密度の高い識別ラベルは、昆虫学のパノラマ的なビューを提供する。
論文参考訳（メタデータ） (2023-11-26T06:17:29Z)
Deep learning powered real-time identification of insects using citizen science data [17.13608307250744]
InsectNetは、侵入した種を識別し、きめ細かい昆虫種を識別し、挑戦的な背景において効果的に働く。また、不確実な場合には予測を控え、シームレスな人間の介入を助長し、実用的で信頼できるツールにもなれる。
論文参考訳（メタデータ） (2023-06-04T23:56:53Z)
From Environmental Sound Representation to Robustness of 2D CNN Models Against Adversarial Attacks [82.21746840893658]
本稿では, 各種環境音響表現(スペクトログラム)が, 被害者残差畳み込みニューラルネットワークの認識性能と対角攻撃性に与える影響について検討する。 DWTスペクトログラムでトレーニングしたResNet-18モデルでは高い認識精度が得られたが、このモデルに対する攻撃は敵にとって比較的コストがかかる。
論文参考訳（メタデータ） (2022-04-14T15:14:08Z)
DapStep: Deep Assignee Prediction for Stack Trace Error rePresentation [61.99379022383108]
本稿では,バグトリアージ問題を解決するための新しいディープラーニングモデルを提案する。モデルは、注目された双方向のリカレントニューラルネットワークと畳み込みニューラルネットワークに基づいている。ランキングの質を向上させるために,バージョン管理システムのアノテーションから追加情報を利用することを提案する。
論文参考訳（メタデータ） (2022-01-14T00:16:57Z)
HumBugDB: A Large-scale Acoustic Mosquito Dataset [15.108701811353097]
本稿では,蚊の飛行中を連続的に追跡した音響記録の大規模多種多様なデータセットについて述べる。専門的にラベル付けされ、タグ付けされた20時間の音声記録を、正確に時間内に提示する。 18時間の録音には36種のアノテーションが含まれている。
論文参考訳（メタデータ） (2021-10-14T14:18:17Z)
High performing ensemble of convolutional neural networks for insect pest image detection [124.23179560022761]
害虫の寄生は作物の被害の主な原因であり、世界中の収入を失った。我々は異なるトポロジに基づいてCNNのアンサンブルを生成する。ディープネットワーク最適化のための2つの新しいAdamアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-08-28T00:49:11Z)
A Lottery Ticket Hypothesis Framework for Low-Complexity Device-Robust Neural Acoustic Scene Classification [78.04177357888284]
デバイス・ロバスト音響シーン分類(ASC)のためのデータ拡張、知識伝達、プルーニング、量子化を組み合わせた新しいニューラルモデル圧縮戦略を提案する。本稿では,低複雑マルチデバイスASCのためのアコースティック・ロッテリー(Austratic Lottery)という,効率的なジョイント・フレームワークについて報告する。
論文参考訳（メタデータ） (2021-07-03T16:25:24Z)
From Sound Representation to Model Robustness [82.21746840893658]
本研究では, 環境音の標準的な表現(スペクトログラム)が, 被害者の残差畳み込みニューラルネットワークの認識性能と対角攻撃性に与える影響について検討する。 3つの環境音響データセットの様々な実験から、ResNet-18モデルは、他のディープラーニングアーキテクチャよりも優れていることがわかった。
論文参考訳（メタデータ） (2020-07-27T17:30:49Z)
Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant Disease Diagnosis [64.82680813427054]
植物病は食料安全保障と作物生産に対する主要な脅威の1つである。 1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
論文参考訳（メタデータ） (2020-03-17T09:51:30Z)

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。