論文の概要: Open-Set Recognition of Novel Species in Biodiversity Monitoring

• arxiv url: http://arxiv.org/abs/2503.01691v1
• Date: Mon, 03 Mar 2025 16:04:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:22:10.342474
• Title: Open-Set Recognition of Novel Species in Biodiversity Monitoring
• Title（参考訳）: 生物多様性モニタリングにおける新規種のオープンセット認識
• Authors: Yuyan Chen, Nico Lang, B. Christian Schmidt, Aditya Jain, Yves Basset, Sara Beery, Maxim Larrivée, David Rolnick,
• Abstract要約: オープンセット認識とアウト・オブ・ディストリビューション検出のためのきめ細かい画像認識ベンチマークデータセットであるOpen-Insectsを紹介する。 我々は、ポストホック法、トレーニング時間正規化、補助データによるトレーニングを含む、様々なオープンセット認識アルゴリズムを評価する。
• 参考スコア（独自算出の注目度）: 21.00825480154685
• License:
• Abstract: Machine learning is increasingly being applied to facilitate long-term, large-scale biodiversity monitoring. With most species on Earth still undiscovered or poorly documented, species-recognition models are expected to encounter new species during deployment. We introduce Open-Insects, a fine-grained image recognition benchmark dataset for open-set recognition and out-of-distribution detection in biodiversity monitoring. Open-Insects makes it possible to evaluate algorithms for new species detection on several geographical open-set splits with varying difficulty. Furthermore, we present a test set recently collected in the wild with 59 species that are likely new to science. We evaluate a variety of open-set recognition algorithms, including post-hoc methods, training-time regularization, and training with auxiliary data, finding that the simple post-hoc approach of utilizing softmax scores remains a strong baseline. We also demonstrate how to leverage auxiliary data to improve the detection performance when the training dataset is limited. Our results provide timely insights to guide the development of computer vision methods for biodiversity monitoring and species discovery.
• Abstract（参考訳）: 機械学習は、長期的な大規模生物多様性監視を容易にするために、ますます応用されている。 地球上のほとんどの種はまだ発見されていないか文書化されていないため、種認識モデルは展開中に新しい種に遭遇することが期待されている。 生物多様性モニタリングにおけるオープンセット認識とアウト・オブ・ディストリビューション検出のための,きめ細かい画像認識ベンチマークデータセットであるOpen-Insectsを紹介する。 Open-Insectsは、いくつかの地理的な開集合分割に対して、様々な困難を伴う新しい種検出アルゴリズムを評価することができる。 さらに,最近野生で採集された59種の試験群を報告した。 我々は、ポストホック法、トレーニング時間正規化、補助データによるトレーニングを含む様々なオープンセット認識アルゴリズムを評価し、ソフトマックススコアを利用する単純なポストホックアプローチが強力なベースラインであることを発見した。 また、トレーニングデータセットが制限された場合、補助データを活用して検出性能を向上させる方法も示す。 本研究は,生物多様性モニタリングと種発見のためのコンピュータビジョン手法の開発を導くためのタイムリーな洞察を提供する。

関連論文リスト

• Generating Binary Species Range Maps [12.342459602972609]
  種分散モデル(SDM)や、より最近では、ディープラーニングベースの変種が、潜在的な自動化された代替手段を提供する。 深層学習に基づくSDMは、特定の場所における種の存在を予測した確率を連続的に生成する。 本研究では,プレゼンスのみのデータを用いたレンジマップのバイナライズのための最適しきい値の自動同定手法について検討した。
  論文  参考訳（メタデータ） (2024-08-28T17:17:20Z)
• A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection [52.228708947607636]
  本稿では,新しい手法のモジュラーフレームワークであるADerを包括的視覚異常検出ベンチマークとして紹介する。 このベンチマークには、産業ドメインと医療ドメインからの複数のデータセットが含まれており、15の最先端メソッドと9つの包括的なメトリクスを実装している。 我々は,異なる手法の長所と短所を客観的に明らかにし,多クラス視覚異常検出の課題と今後の方向性について考察する。
  論文  参考訳（メタデータ） (2024-06-05T13:40:07Z)
• Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
  同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。 構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。 スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
  論文  参考訳（メタデータ） (2024-03-02T00:56:05Z)
• Active Learning-Based Species Range Estimation [20.422188189640053]
  そこで本研究では,地上観測の限られた数から,種の地理的範囲を効率的に推定するための,新しいアクティブラーニング手法を提案する。 弱教師付きコミュニティで収集された観測データに基づいて訓練されたモデルを用いて,この候補範囲の集合を生成することができることを示す。 提案手法の詳細な評価を行い,1000種に対する専門家由来の範囲を含む評価データセットを用いて,既存のアクティブラーニング手法と比較した。
  論文  参考訳（メタデータ） (2023-11-03T17:45:18Z)
• Species196: A One-Million Semi-supervised Dataset for Fine-grained Species Recognition [30.327642724046903]
  種196(英: species 196)は、196科の外来種の大規模な半教師付きデータセットである。 専門家レベルの正確なアノテーションである種196-Lと、侵入種196-Uの1.2M以上のラベルのない画像を集めている。
  論文  参考訳（メタデータ） (2023-09-25T14:46:01Z)
• Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
  ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。 従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。 本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
  論文  参考訳（メタデータ） (2023-06-05T03:36:01Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)
• Fine-Grained Visual Classification of Plant Species In The Wild: Object Detection as A Reinforced Means of Attention [9.427845067849177]
  オブジェクト検出を注目の場として使うという考え方を探求し、データ変動の影響を緩和する。 そこで本研究では,植物器官検出に基づくボトムアップ手法を導入し,多様な臓器型分類器の予測を融合させる手法を提案する。 我々は,植物器官の検出と器官に基づく種同定を評価するために,長い尾の分布を持つ新しいデータセットをキュレートする。
  論文  参考訳（メタデータ） (2021-06-03T21:22:18Z)
• Conditional Variational Capsule Network for Open Set Recognition [64.18600886936557]
  オープンセット認識では、分類器はトレーニング時に未知の未知のクラスを検出する必要がある。 最近提案されたカプセルネットワークは、特に画像認識において、多くの分野で代替案を上回ることが示されている。 本提案では,訓練中,同じ既知のクラスのカプセルの特徴を,事前に定義されたガウス型に適合させることを推奨する。
  論文  参考訳（メタデータ） (2021-04-19T09:39:30Z)
• Dynamic $\beta$-VAEs for quantifying biodiversity by clustering optically recorded insect signals [0.6091702876917281]
  本稿では,系統群によるデータのクラスタリングが可能な変分オートエンコーダ(VAE)の適応的変種を提案する。 南スカンジナビアの光記録昆虫信号に対する動的$beta$-VAEの有用性を実証した。
  論文  参考訳（メタデータ） (2021-02-10T16:14:13Z)
• Automatic image-based identification and biomass estimation of invertebrates [70.08255822611812]
  時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。 我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。 分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
  論文  参考訳（メタデータ） (2020-02-05T21:38:57Z)

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。