論文の概要: Back Home: A Computer Vision Solution to Seashell Identification for Ecological Restoration

• arxiv url: http://arxiv.org/abs/2501.04873v4
• Date: Tue, 29 Jul 2025 01:45:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-30 12:52:36.792841
• Title: Back Home: A Computer Vision Solution to Seashell Identification for Ecological Restoration
• Title（参考訳）: バックホーム:生態修復のための貝殻識別のためのコンピュータビジョンソリューション
• Authors: Alexander Valverde, Luis Solano, André Montoya,
• Abstract要約: BackHome19Kは、海岸レベルのラベルが付加された最初の大規模画像コーパスである。 トレーニング済みの異常フィルタがアップロードされ、ユーザ生成ノイズに対する堅牢性が向上する。 システムはすでに野生生物の役人のために70万発の砲弾を1枚あたり3秒以下で処理している。
• 参考スコア（独自算出の注目度）: 44.99833362998488
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Illegal souvenir collection strips an estimated five tonnes of seashells from Costa Rica's beaches each year. Yet, once these specimens are seized, their coastal origin -- Pacific or Caribbean -- cannot be verified easily due to the lack of information, preventing their return when confiscated by local authorities. To solve this issue, we introduce BackHome19K, the first large-scale image corpus (19,058 photographs, 516 species) annotated with coast-level labels, and propose a lightweight pipeline that infers provenance in real time on a mobile-grade CPU. A trained anomaly filter pre-screens uploads, increasing robustness to user-generated noise. On a held-out test set, the classifier attains 86.3% balanced accuracy, while the filter rejects 93% of 180 out-of-domain objects with zero false negatives. Deployed as a web application, the system has already processed 70,000 shells for wildlife officers in under three seconds per image, enabling confiscated specimens to be safely repatriated to their native ecosystems. The dataset is available at https://huggingface.co/datasets/FIFCO/BackHome19K
• Abstract（参考訳）: イルガルの土産物収集では、コスタリカの海岸から毎年5トンの貝殻が採集されている。 しかし、これらの標本が押収されると、情報不足のため海岸の原産地である太平洋やカリブ海は容易には確認できないため、地元当局に没収された場合の返還を防ぐことはできない。 この問題を解決するために,海岸レベルのラベルを付加した最初の大規模画像コーパス(19,058枚,516種)であるBackHome19Kを導入し,モバイルグレードのCPU上で実効性をリアルタイムで推定する軽量パイプラインを提案する。 トレーニング済みの異常フィルタがアップロードされ、ユーザ生成ノイズに対する堅牢性が向上する。 保持されたテストセットでは、分類器は86.3%の精度を達成し、フィルタは180個のドメイン外オブジェクトの93%を否定する。 Webアプリケーションとしてデプロイされたこのシステムは、野生生物の役人のために、画像1枚につき3秒未満で70,000発のシェルを処理し、没収された標本を彼らの原生生態系に安全に送還することを可能にする。 データセットはhttps://huggingface.co/datasets/FIFCO/BackHome19Kで利用可能である。

関連論文リスト

• End-to-End Implicit Neural Representations for Classification [57.55927378696826]
  Inlicit Neural representations (INRs) は、ニューラルネットワークパラメータの信号を符号化し、信号再構成に優れた結果を示す。 INRをベースとした分類は、CNNのようなピクセルベースの手法に比べて、依然としてかなり低性能である。 本研究は,SIRENを学習段階のスキームとともに初期化するエンド・ツー・エンドの戦略を提案する。
  論文  参考訳（メタデータ） (2025-03-23T16:02:23Z)
• BenthicNet: A global compilation of seafloor images for deep learning applications [25.466405216505166]
  BenthicNetは海底画像のグローバルコンパイルである。 最初の114万枚以上の画像が収集され、海底環境の多様性を表すためにキュレーションされた。 このコンパイルに基づいて大規模なディープラーニングモデルをトレーニングし,その予備的な結果から,大規模かつ小規模の画像解析タスクの自動化に有効であることが示唆された。
  論文  参考訳（メタデータ） (2024-05-08T17:37:57Z)
• WhaleNet: a Novel Deep Learning Architecture for Marine Mammals Vocalizations on Watkins Marine Mammal Sound Database [49.1574468325115]
  textbfWhaleNet (Wavelet Highly Adaptive Learning Ensemble Network) は海洋哺乳動物の発声を分類するための高度な深層アンサンブルアーキテクチャである。 既存のアーキテクチャよりも8-10%の精度で分類精度を向上し、分類精度は9,7.61%である。
  論文  参考訳（メタデータ） (2024-02-20T11:36:23Z)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• Pengembangan Model untuk Mendeteksi Kerusakan pada Terumbu Karang dengan Klasifikasi Citra [3.254879465902239]
  本研究はFlickr APIを用いてFlickrから収集した923枚の画像からなる特別なデータセットを利用する。 この研究で使用される方法は、機械学習モデル、特に畳み込みニューラルネットワーク(CNN)の使用を含む。 その結果,Stock-Scratch ResNetモデルは,精度と精度で事前学習モデルより優れていることがわかった。
  論文  参考訳（メタデータ） (2023-08-08T15:30:08Z)
• Combining Photogrammetric Computer Vision and Semantic Segmentation for Fine-grained Understanding of Coral Reef Growth under Climate Change [6.335630432207172]
  サンゴはサンゴ礁に生息する生物で、海洋の4分の1を支えている。 3次元微粒なセマンティックモデリングとサンゴ礁の硬さ評価は,初めてミリ(mm)精度で完了した。
  論文  参考訳（メタデータ） (2022-12-08T08:09:57Z)
• 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)
• Instance Segmentation of Microscopic Foraminifera [0.0629976670819788]
  本稿では, 深層学習に基づくインスタンス分割モデルを用いて, 微視的フォアミニフェラの分類, 検出, セグメンテーションを行う。 本モデルは,COCO検出データセットから得られたモデル重みパラメータを用いて,Mask R-CNNアーキテクチャに基づく。
  論文  参考訳（メタデータ） (2021-05-15T10:46:22Z)
• Learning Hybrid Representations for Automatic 3D Vessel Centerline Extraction [57.74609918453932]
  3次元医用画像からの血管の自動抽出は血管疾患の診断に不可欠である。 既存の方法では、3次元画像からそのような細い管状構造を分割する際に、抽出された容器の不連続に悩まされることがある。 抽出された船舶の連続性を維持するためには、地球的幾何学を考慮に入れる必要があると論じる。 この課題を解決するためのハイブリッド表現学習手法を提案します。
  論文  参考訳（メタデータ） (2020-12-14T05:22:49Z)
• Deep learning for lithological classification of carbonate rock micro-CT images [52.77024349608834]
  本研究は,ブラジルのプリサルト炭酸塩岩微視的画像のパターン同定にディープラーニング技術を適用することを目的としている。 4つの畳み込みニューラルネットワークモデルが提案された。 精度によると、リサイズ画像で訓練されたモデル2は、最初の評価アプローチでは平均75.54%、2番目の評価では平均81.33%に達した。
  論文  参考訳（メタデータ） (2020-07-30T19:14:00Z)
• Temperate Fish Detection and Classification: a Deep Learning based Approach [6.282069822653608]
  本研究では,2段階の深層学習手法を提案する。 最初のステップは、種や性別によらず、画像中の各魚を検出することです。 第2のステップでは、画像中の各魚を事前フィルタリングせずに分類するために、Squeeze-and-Excitation (SE)アーキテクチャを備えた畳み込みニューラルネットワーク(CNN)を採用する。
  論文  参考訳（メタデータ） (2020-05-14T12:40:57Z)

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。