論文の概要: Improving Object Detection for Time-Lapse Imagery Using Temporal Features in Wildlife Monitoring
- arxiv url: http://arxiv.org/abs/2412.16329v1
- Date: Fri, 20 Dec 2024 20:37:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-24 16:00:33.065154
- Title: Improving Object Detection for Time-Lapse Imagery Using Temporal Features in Wildlife Monitoring
- Title（参考訳）: 野生生物モニタリングにおける時間的特徴を用いたタイムラプス画像の物体検出の改善
- Authors: Marcus Jenkins, Kirsty A. Franklin, Malcolm A. C. Nicoll, Nik C. Cole, Kevin Ruhomaun, Vikash Tatayah, Michal Mackiewicz,
- Abstract要約: 時間経過シーケンスの単一フレームにおける対象検出器の性能は,前フレームからの時間的特徴を含めることで向上できることを示す。
シーンの静止要素と非静止要素をキャプチャする2つの追加空間特徴チャネルを統合することで、時間情報を活用する手法を提案する。
- 参考スコア（独自算出の注目度）: 0.5580662655439501
- License:
- Abstract: Monitoring animal populations is crucial for assessing the health of ecosystems. Traditional methods, which require extensive fieldwork, are increasingly being supplemented by time-lapse camera-trap imagery combined with an automatic analysis of the image data. The latter usually involves some object detector aimed at detecting relevant targets (commonly animals) in each image, followed by some postprocessing to gather activity and population data. In this paper, we show that the performance of an object detector in a single frame of a time-lapse sequence can be improved by including spatio-temporal features from the prior frames. We propose a method that leverages temporal information by integrating two additional spatial feature channels which capture stationary and non-stationary elements of the scene and consequently improve scene understanding and reduce the number of stationary false positives. The proposed technique achieves a significant improvement of 24\% in mean average precision (mAP@0.05:0.95) over the baseline (temporal feature-free, single frame) object detector on a large dataset of breeding tropical seabirds. We envisage our method will be widely applicable to other wildlife monitoring applications that use time-lapse imaging.
- Abstract（参考訳）: 動物集団のモニタリングは生態系の健康を評価するために不可欠である。
広範囲のフィールドワークを必要とする従来の手法は、タイムラプスカメラトラップ画像と画像データの自動解析を組み合わせることで補足されつつある。
後者は通常、各画像中の関連する標的(通常動物)を検出するための対象検出器と、活動や人口データを収集するための後処理が伴う。
本稿では,時間経過シーケンスの単一フレームにおける物体検出器の性能を,前フレームからの時空間的特徴を含めることで向上できることを示す。
シーンの静止要素と静止しない要素を捕捉し、シーン理解を改善し、静止する偽陽性の数を減らし、時間的情報を活用する手法を提案する。
提案手法は, 熱帯性海鳥の繁殖データセットを用いて, 平均平均精度(mAP@0.05:0.95)を基準値(時間的特徴のない, 単一フレーム)から24倍に向上させる。
我々は,この手法がタイムラプス画像を用いた他の野生生物モニタリングアプリケーションにも広く応用できると考えている。
関連論文リスト
- Enhancing Lidar-based Object Detection in Adverse Weather using Offset
Sequences in Time [1.1725016312484975]
ライダーによる物体検出は、雨や霧などの悪天候の影響を著しく受けている。
本研究は,ライダーによる物体検出の信頼性に対する悪天候の影響を緩和する有効な方法の総合的研究である。
論文 参考訳（メタデータ） (2024-01-17T08:31:58Z) - 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) - TempNet: Temporal Attention Towards the Detection of Animal Behaviour in
Videos [63.85815474157357]
本稿では,映像中の生物学的行動を検出するための,効率的なコンピュータビジョンと深層学習に基づく手法を提案する。
TempNetはエンコーダブリッジと残留ブロックを使用して、2段階の空間的、そして時間的、エンコーダでモデル性能を維持する。
本研究では,サブルフィッシュ (Anoplopoma fimbria) 幼虫の検出への応用を実証する。
論文 参考訳（メタデータ） (2022-11-17T23:55:12Z) - Temporal Flow Mask Attention for Open-Set Long-Tailed Recognition of
Wild Animals in Camera-Trap Images [21.473296246163443]
本稿では,時間的フローマスク注意ネットワークを提案し,オープンセットの長周期認識問題に対処する。
我々は,光フローモジュールを用いて時系列フレームの時間的特徴を抽出し,注意残差ブロックを用いて情報表現を学習する。
メタ埋め込み技術を適用することで、オープンセット長尾認識における手法の性能が向上することを示す。
論文 参考訳（メタデータ） (2022-08-31T04:15:17Z) - Active Gaze Control for Foveal Scene Exploration [124.11737060344052]
本研究では,葉型カメラを用いた人間とロボットが現場を探索する方法をエミュレートする手法を提案する。
提案手法は,同数の視線シフトに対してF1スコアを2～3ポイント増加させる。
論文 参考訳（メタデータ） (2022-08-24T14:59:28Z) - SatMAE: Pre-training Transformers for Temporal and Multi-Spectral
Satellite Imagery [74.82821342249039]
Masked Autoencoder(MAE)に基づく時間・マルチスペクトル衛星画像の事前学習フレームワークであるSatMAEについて述べる。
時間的情報を活用するために、時間にわたって画像パッチを個別にマスキングする時間的埋め込みを含む。
論文 参考訳（メタデータ） (2022-07-17T01:35:29Z) - Video Salient Object Detection via Contrastive Features and Attention
Modules [106.33219760012048]
本稿では,注目モジュールを持つネットワークを用いて,映像の有意な物体検出のためのコントラスト特徴を学習する。
コアテンションの定式化は、低レベル特徴と高レベル特徴を組み合わせるために用いられる。
提案手法は計算量が少なく,最先端の手法に対して良好に動作することを示す。
論文 参考訳（メタデータ） (2021-11-03T17:40:32Z) - Content-Based Detection of Temporal Metadata Manipulation [91.34308819261905]
画像の撮像時間とその内容と地理的位置とが一致しているかどうかを検証するためのエンドツーエンドのアプローチを提案する。
中心となる考え方は、画像の内容、キャプチャ時間、地理的位置が一致する確率を予測するための教師付き一貫性検証の利用である。
我々のアプローチは、大規模なベンチマークデータセットの以前の作業により改善され、分類精度が59.03%から81.07%に向上した。
論文 参考訳（メタデータ） (2021-03-08T13:16:19Z) - Learning Monocular Dense Depth from Events [53.078665310545745]
イベントカメラは、強度フレームではなく、非同期イベントのストリームの形式で輝度を変化させる。
最近の学習に基づくアプローチは、単眼深度予測のようなイベントベースのデータに適用されている。
本稿では,この課題を解決するための繰り返しアーキテクチャを提案し,標準フィードフォワード法よりも大幅に改善されていることを示す。
論文 参考訳（メタデータ） (2020-10-16T12:36:23Z) - Automatic Detection and Recognition of Individuals in Patterned Species [4.163860911052052]
我々は,異なるパターンの個体の自動検出と認識のための枠組みを開発する。
我々は最近提案したFaster-RCNNオブジェクト検出フレームワークを用いて画像中の動物を効率的に検出する。
我々は,シマウマおよびジャガー画像の認識システムを評価し,他のパターンの種への一般化を示す。
論文 参考訳（メタデータ） (2020-05-06T15:29:21Z) - Deep Reinforcement Learning for Active Human Pose Estimation [35.229529080763925]
完全トレーニング可能な深層強化学習型アクティブポーズ推定アーキテクチャであるPose-DRLを紹介する。
提案モデルでは,強い多視点ベースラインと比較して,より正確なポーズ推定を行う視点を選択することを学習している。
論文 参考訳（メタデータ） (2020-01-07T13:35:41Z)
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。