論文の概要: Siamese Networks for Cat Re-Identification: Exploring Neural Models for Cat Instance Recognition

• arxiv url: http://arxiv.org/abs/2501.02112v1
• Date: Fri, 03 Jan 2025 21:37:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-07 17:09:01.891749
• Title: Siamese Networks for Cat Re-Identification: Exploring Neural Models for Cat Instance Recognition
• Title（参考訳）: 猫再同定のためのシームズネットワーク:猫のインスタンス認識のためのニューラルモデルを探る
• Authors: Tobias Trein, Luan Fonseca Garcia,
• Abstract要約: 中国の都市移動会社ハローはこれらの問題に対処するため、ハローストリートキャットイニシアチブを立ち上げた。 このプロジェクトは、中国の14都市に2万1000以上のスマート給餌ステーションを配備し、ライブストリーミングカメラを統合し、ユーザーの寄付によって起動されるディスペンサーを治療した。 本研究では,ハローストリートキャットイニシアチブにおけるストリートキャット再同定のためのディープラーニングモデルについて検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Street cats in urban areas often rely on human intervention for survival, leading to challenges in population control and welfare management. In April 2023, Hello Inc., a Chinese urban mobility company, launched the Hello Street Cat initiative to address these issues. The project deployed over 21,000 smart feeding stations across 14 cities in China, integrating livestreaming cameras and treat dispensers activated through user donations. It also promotes the Trap-Neuter-Return (TNR) method, supported by a community-driven platform, HelloStreetCatWiki, where volunteers catalog and identify cats. However, manual identification is inefficient and unsustainable, creating a need for automated solutions. This study explores Deep Learning-based models for re-identifying street cats in the Hello Street Cat initiative. A dataset of 2,796 images of 69 cats was used to train Siamese Networks with EfficientNetB0, MobileNet and VGG16 as base models, evaluated under contrastive and triplet loss functions. VGG16 paired with contrastive loss emerged as the most effective configuration, achieving up to 97% accuracy and an F1 score of 0.9344 during testing. The approach leverages image augmentation and dataset refinement to overcome challenges posed by limited data and diverse visual variations. These findings underscore the potential of automated cat re-identification to streamline population monitoring and welfare efforts. By reducing reliance on manual processes, the method offers a scalable and reliable solution for communitydriven initiatives. Future research will focus on expanding datasets and developing real-time implementations to enhance practicality in large-scale deployments.
• Abstract（参考訳）: 都市部のストリート猫は生き残るために人間の介入に頼ることが多く、人口管理と福祉管理の課題に繋がる。 2023年4月、中国の都市移動企業Hello Inc.は、これらの問題に対処するためにHello Street Catイニシアチブを立ち上げた。 このプロジェクトは、中国の14都市に2万1000以上のスマート給餌ステーションを配備し、ライブストリーミングカメラを統合し、ユーザーの寄付によって起動されるディスペンサーを治療した。 また、Trap-Neuter-Return(TNR)メソッドを推進し、コミュニティ主導のプラットフォームであるHelloStreetCatWikiがサポートしている。 しかし、手動の識別は非効率で持続不可能であり、自動化されたソリューションの必要性が生じる。 本研究では,ハローストリートキャットイニシアチブにおけるストリートキャット再同定のためのディープラーニングモデルについて検討する。 69匹の猫の2,796枚の画像のデータセットを用いて,Samese NetworksをEfficientNetB0,MobileNet,VGG16をベースモデルとして訓練し,対照的および三重項損失関数で評価した。 対照的な損失と組み合わせたVGG16は最も効果的な構成として出現し、テスト中に97%の精度とF1スコアが0.9344となった。 このアプローチでは、画像の拡張とデータセットの改良を活用して、限られたデータと多様な視覚的バリエーションによって引き起こされる課題を克服する。 これらの知見は, 個体群モニタリングと福祉活動の合理化をめざして, 自動化された猫の再同定の可能性を明らかにするものである。 手作業によるプロセスへの依存を減らすことで,コミュニティ主導のイニシアティブに対して,スケーラブルで信頼性の高いソリューションを提供する。 今後の研究は、大規模デプロイメントにおける実用性を高めるために、データセットの拡大とリアルタイム実装の開発に注力する。

関連論文リスト

• Endangered Alert: A Field-Validated Self-Training Scheme for Detecting and Protecting Threatened Wildlife on Roads and Roadsides [10.412505957288406]
  本稿では,オーストラリアにおけるカソーファリーなどの希少動物の検出を目的とした,革新的な自己学習手法を提案する。 提案手法は,希少種のセンサデータを取得し,ラベル付けすることを含む,現実世界における重要な課題に対処する。 クラウドとエッジコンピューティングを活用し、フィールドデプロイモデルの検出性能を向上させるために自動データラベリングを実現する。
  論文  参考訳（メタデータ） (2024-12-16T07:44:27Z)
• The Comparison of Individual Cat Recognition Using Neural Networks [9.55476918513898]
  伝達学習で訓練された伝統的なCNNは、個別の猫認識において微調整法やシームズネットワークで訓練されたモデルよりも優れた性能を持つ。 ConvNeXtとDenseNetは、ペットストアや野生動物において、個々の猫の認識にさらに最適化できる重要な結果をもたらす。
  論文  参考訳（メタデータ） (2024-10-03T08:40:14Z)
• LOID: Lane Occlusion Inpainting and Detection for Enhanced Autonomous Driving Systems [0.0]
  本研究では,難易度の高い環境下での車線検出を向上するための2つの革新的なアプローチを提案する。 最初のアプローチであるAug-Segmentは、CULanesのトレーニングデータセットを増強することで、従来のレーン検出モデルを改善する。 第2のアプローチであるLOID Lane Occlusion Inpainting and Detectionは、塗装モデルを用いて、閉鎖された地域の道路環境を再構築する。
  論文  参考訳（メタデータ） (2024-08-17T06:55:40Z)
• CAT: Contrastive Adapter Training for Personalized Image Generation [4.093428697109545]
  コントラスト適応訓練(Contrastive Adapter Training, CAT)を提案し, CAT損失を応用してアダプタトレーニングを強化する。 提案手法は,モデルがアダプタを開始する際に,ベースモデルの本来の知識の保存を容易にする。
  論文  参考訳（メタデータ） (2024-04-11T08:36:13Z)
• Learning Human Action Recognition Representations Without Real Humans [66.61527869763819]
  そこで本研究では,仮想人間を含む合成データを用いて,実世界の映像を活用してモデルを事前学習するベンチマークを提案する。 次に、このデータに基づいて学習した表現を、下流行動認識ベンチマークの様々なセットに転送可能であるかを評価する。 私たちのアプローチは、以前のベースラインを最大5%上回ります。
  論文  参考訳（メタデータ） (2023-11-10T18:38:14Z)
• CAT: Closed-loop Adversarial Training for Safe End-to-End Driving [54.60865656161679]
  Adversarial Training (CAT) は、自動運転車における安全なエンドツーエンド運転のためのフレームワークである。 Catは、安全クリティカルなシナリオでエージェントを訓練することで、運転エージェントの安全性を継続的に改善することを目的としている。 猫は、訓練中のエージェントに対抗する敵シナリオを効果的に生成できる。
  論文  参考訳（メタデータ） (2023-10-19T02:49:31Z)
• Two-Stream Consensus Network: Submission to HACS Challenge 2021 Weakly-Supervised Learning Track [78.64815984927425]
  弱い監督による時間的行動ローカライゼーションの目標は、ビデオの興味ある動作を時間的に特定し、分類することである。 この課題では,2ストリームコンセンサスネットワーク(TSCN)を主要なフレームワークとして採用しています。 この課題では,本手法が今後の学術研究のベースラインとなることを期待して,第2位にランクインした。
  論文  参考訳（メタデータ） (2021-06-21T03:36:36Z)
• An Empirical Study of Vehicle Re-Identification on the AI City Challenge [19.13038665501964]
  Track2は、現実世界のデータと合成データの両方を扱う車両再識別(ReID)タスクである。 主に、この課題におけるトレーニングデータ、教師なしドメイン適応(UDA)トレーニング、後処理、モデルアンサンブルの4点に注目します。 以上の手法により, 最終的に0.7445mAPのスコアが得られた。
  論文  参考訳（メタデータ） (2021-05-20T12:20:52Z)
• The 5th AI City Challenge [51.83023045451549]
  第5回AIシティチャレンジには38カ国305チームが参加した。 アルゴリズムの有効性と計算効率の両面で評価を行った。 結果は、スマートトランスポーテーションにおけるAIの約束を示している。
  論文  参考訳（メタデータ） (2021-04-25T19:15:27Z)
• Fine-Grained Vehicle Perception via 3D Part-Guided Visual Data Augmentation [77.60050239225086]
  実画像中の車両に動的部品を付加した3次元自動車モデルによる効果的なトレーニングデータ生成プロセスを提案する。 私達のアプローチは人間の相互作用なしで完全に自動です。 VUS解析用マルチタスクネットワークとVHI解析用マルチストリームネットワークを提案する。
  論文  参考訳（メタデータ） (2020-12-15T03:03:38Z)
• Cascaded Regression Tracking: Towards Online Hard Distractor Discrimination [202.2562153608092]
  本稿では,2段階の逐次回帰トラッカーを提案する。 第1段階では, 容易に同定可能な負の候補を抽出する。 第2段階では、残留するあいまいな硬質試料をダブルチェックするために、離散サンプリングに基づくリッジ回帰を設計する。
  論文  参考訳（メタデータ） (2020-06-18T07:48:01Z)

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。