論文の概要: Inteligencia artificial para la multi-clasificación de fauna en fotografías automáticas utilizadas en investigación científica

• arxiv url: http://arxiv.org/abs/2502.04064v1
• Date: Thu, 06 Feb 2025 13:23:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-07 14:32:35.007675
• Title: Inteligencia artificial para la multi-clasificación de fauna en fotografías automáticas utilizadas en investigación científica
• Title（参考訳）: 科学研究における多種多種生物の知能的研究
• Authors: Federico Gonzalez, Leonel Viera, Rosina Soler, Lucila Chiarvetto Peralta, Matias Gel, Gimena Bustamante, Abril Montaldo, Brian Rigoni, Ignacio Perez,
• Abstract要約: カメラトラップは何百万もの画像の収集を可能にする。 これらの膨大なデータリポジトリに格納されている貴重な知識の多くは、未解決のままである。 本研究の目的は,動物種をカメラトラップで撮影した写真に分類するニューラルネットワークモデルの構築である。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The management of natural environments, whether for conservation or production, requires a deep understanding of wildlife. The number, location, and behavior of wild animals are among the main subjects of study in ecology and wildlife research. The use of camera traps offers the opportunity to quickly collect large quantities of photographs that capture wildlife in its natural habitat, avoiding factors that could alter their behavior. In Tierra del Fuego, Argentina, research is being conducted on forest use by different herbivores (guanacos, cows, sheep) to optimize management and protect these natural ecosystems. Although camera traps allow for the collection of millions of images, interpreting such photographs presents a scalability challenge for manual processing. As a result, much of the valuable knowledge stored in these vast data repositories remains untapped. Neural Networks and Deep Learning are areas of study within Artificial Intelligence. Over the past decade, these two disciplines have made significant contributions to image recognition on a global scale. Ecological and wildlife conservation studies can be combined with these new technologies to extract important information from the photographs obtained by camera traps, contributing to the understanding of various natural processes and improving the management of the involved wild areas. Our project aims to develop neural network models to classify animal species in photographs taken with camera traps, addressing large-scale challenges in scientific research.
• Abstract（参考訳）: 自然環境の管理は、保全や生産のためにも、野生生物の深い理解を必要としている。 野生動物の数、位置、行動は、生態学および野生生物研究の主要な主題である。 カメラトラップを使うことで、自然の生息地で野生生物を捉えた大量の写真が素早く収集され、その行動を変える要因を避けることができる。 アルゼンチンのティエラ・デル・フエゴ(Tierra del Fuego)では、様々な草食動物(グアナコ、ウシ、ヒツジ)による森林利用に関する研究が実施されている。 カメラトラップは何百万もの画像の収集を可能にするが、そのような画像の解釈は手作業による処理に拡張性をもたらす。 結果として、これらの巨大なデータリポジトリに格納されている貴重な知識の多くは、未解決のままである。 ニューラルネットワークとディープラーニングは、人工知能における研究分野である。 過去10年間で、これらの2つの分野は、世界規模で画像認識に多大な貢献をしてきた。 生態・野生生物保護研究とこれらの新技術を組み合わせることで、カメラトラップで得られた写真から重要な情報を抽出し、様々な自然過程の理解と関係する野生地域の管理の改善に寄与することができる。 本研究の目的は,動物種をカメラトラップで撮影した写真に分類するニューラルネットワークモデルの構築であり,科学的研究における大規模課題に対処することである。

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)
• Elephants and Algorithms: A Review of the Current and Future Role of AI in Elephant Monitoring [47.24825031148412]
  人工知能(AI)と機械学習(ML)は、動物行動と保全戦略の理解を深める革命的な機会を提供する。 アフリカ保護地域の重要な種であるゾウを焦点として、我々はAIとMLが保護に果たす役割を掘り下げる。 新しいAIとML技術は、このプロセスを合理化するためのソリューションを提供する。
  論文  参考訳（メタデータ） (2023-06-23T22:35:51Z)
• Deep Learning for Event-based Vision: A Comprehensive Survey and Benchmarks [55.81577205593956]
  イベントカメラはバイオインスパイアされたセンサーで、ピクセルごとの強度の変化を非同期に捉える。 深層学習(DL)はこの新興分野に導入され、その可能性のマイニングに活発な研究努力にインスピレーションを与えている。
  論文  参考訳（メタデータ） (2023-02-17T14:19:28Z)
• Seeing biodiversity: perspectives in machine learning for wildlife conservation [49.15793025634011]
  機械学習は、野生生物種の理解、モニタリング能力、保存性を高めるために、この分析的な課題を満たすことができると我々は主張する。 本質的に、新しい機械学習アプローチとエコロジー分野の知識を組み合わせることで、動物生態学者は現代のセンサー技術が生み出すデータの豊富さを生かすことができる。
  論文  参考訳（メタデータ） (2021-10-25T13:40:36Z)
• 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)
• Potato Crop Stress Identification in Aerial Images using Deep Learning-based Object Detection [60.83360138070649]
  本稿では, 深層ニューラルネットワークを用いたジャガイモの空中画像解析手法を提案する。 主な目的は、植物レベルでの健康作物とストレス作物の自動空間認識を実証することである。 実験により、フィールド画像中の健康植物とストレス植物を識別し、平均Dice係数0.74を達成できることを示した。
  論文  参考訳（メタデータ） (2021-06-14T21:57:40Z)
• 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)
• WhoAmI: An Automatic Tool for Visual Recognition of Tiger and Leopard Individuals in the Wild [3.1708876837195157]
  我々は,動物を識別し,動物の種類を特定し,2種の個体を識別する自動アルゴリズムを開発した。 本研究では,南インドのジャングルに記録されたカメラトラップ画像のデータセットに対するアプローチの有効性を示す。
  論文  参考訳（メタデータ） (2020-06-17T16:17:46Z)
• Sequence Information Channel Concatenation for Improving Camera Trap Image Burst Classification [1.94742788320879]
  カメラトラップは、生態系を乱すことなく、野生生物を自然の生息地で観察するために広く使用されている。 現在、世界中の様々な生態保護地域に大量のカメラトラップが配備されており、数十年にわたってデータを収集している。 既存のシステムは、画像が動物を含むかどうかを単一の画像から判断する分類を行う。 本研究では, チャネル間の3次元バースト画像とシーケンス情報を含むコンカレントマスクを用いて, ROC AUCを未知のカメラサイトからテストセットで20%改善することを示した。
  論文  参考訳（メタデータ） (2020-04-30T21:47:14Z)

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。