論文の概要: Intelligent Bear Prevention System Based on Computer Vision: An Approach to Reduce Human-Bear Conflicts in the Tibetan Plateau Area, China

• arxiv url: http://arxiv.org/abs/2503.23178v1
• Date: Sat, 29 Mar 2025 18:10:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-01 19:35:56.9711
• Title: Intelligent Bear Prevention System Based on Computer Vision: An Approach to Reduce Human-Bear Conflicts in the Tibetan Plateau Area, China
• Title（参考訳）: コンピュータビジョンに基づく知能熊予防システム:中国チベット高原における人間と脳の衝突を減らすためのアプローチ
• Authors: Pengyu Chen, Teng Fei, Yunyan Du, Jiawei Yi, Yi Li, John A. Kupfer,
• Abstract要約: チベット高原における人間とクマの衝突は、地域社会に重大な脅威をもたらす。 本研究は,モノのインターネット(IoT)技術とともにコンピュータビジョンを取り入れ,これらの問題を緩和する新たな戦略を導入する。
• 参考スコア（独自算出の注目度）: 7.9835451566800195
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Conflicts between humans and bears on the Tibetan Plateau present substantial threats to local communities and hinder wildlife preservation initiatives. This research introduces a novel strategy that incorporates computer vision alongside Internet of Things (IoT) technologies to alleviate these issues. Tailored specifically for the harsh environment of the Tibetan Plateau, the approach utilizes the K210 development board paired with the YOLO object detection framework along with a tailored bear-deterrent mechanism, offering minimal energy usage and real-time efficiency in bear identification and deterrence. The model's performance was evaluated experimentally, achieving a mean Average Precision (mAP) of 91.4%, demonstrating excellent precision and dependability. By integrating energy-efficient components, the proposed system effectively surpasses the challenges of remote and off-grid environments, ensuring uninterrupted operation in secluded locations. This study provides a viable, eco-friendly, and expandable solution to mitigate human-bear conflicts, thereby improving human safety and promoting bear conservation in isolated areas like Yushu, China.
• Abstract（参考訳）: チベット高原における人間とクマの紛争は、地域社会に重大な脅威を与え、野生生物保護のイニシアチブを妨げる。 本研究は,モノのインターネット(IoT)技術とともにコンピュータビジョンを取り入れ,これらの問題を緩和する新たな戦略を導入する。 チベット高原の厳しい環境に特化して開発されたこの手法は、YOLOオブジェクト検出フレームワークと組み合わせたK210開発ボードと、調整されたベア検出機構を併用し、熊の識別と抑止における最小エネルギー使用量とリアルタイム効率を提供する。 モデルの性能は実験により評価され、平均精度(mAP)は91.4%に達し、精度と信頼性に優れていた。 エネルギー効率のよいコンポーネントを統合することで、遠隔地やオフグリッド環境の課題を効果的に克服し、隔離された場所での未中断運転を確実にする。 この研究は、人間とベアーの対立を緩和し、人間の安全を改善し、中国湯州などの孤立した地域でクマの保護を促進するための、生き生きとした、エコフレンドリーで拡張可能なソリューションを提供する。

関連論文リスト

• Inteligencia Artificial para la conservación y uso sostenible de la biodiversidad, una visión desde Colombia (Artificial Intelligence for conservation and sustainable use of biodiversity, a view from Colombia) [0.0]
  本論文は,コロンビアとネオトロピックに焦点をあてた視点から,この研究領域の範囲を分析することを目的としている。 本稿では,画像や記録からの自動種識別,種モデリング,シリコバイオプロスペクションなどの用途について紹介する。 また、現地の文脈におけるAIの責任と倫理的採用を促進する政策の開発に関する対話の場を開こうとしている。
  論文  参考訳（メタデータ） (2025-03-17T16:47:05Z)
• Identifying Trustworthiness Challenges in Deep Learning Models for Continental-Scale Water Quality Prediction [64.4881275941927]
  本稿では,大陸規模のマルチタスクLSTMモデルにおいて,信頼性の総合評価を行う。 本研究は,流域特性に関連するモデル性能格差の系統的パターンを明らかにする。 この作業は、水資源管理のための信頼できるデータ駆動手法を前進させるためのタイムリーな呼びかけとして役立ちます。
  論文  参考訳（メタデータ） (2025-03-13T01:50:50Z)
• DEAL-YOLO: Drone-based Efficient Animal Localization using YOLO [0.0]
  本研究は,無人航空機(UAV)画像における小型物体検出を改善する新しい手法を提案する。 Deal-YOLO は Wise IoU (WIoU) や Normalized Wasserstein Distance (NWD) のような多目的損失関数を採用しており、バウンディングボックスの中央付近のピクセルを優先している。 このモデルはLinear Deformable (LD)畳み込みによる効率的な特徴抽出により最適化され、計算効率を維持しながら精度を向上する。
  論文  参考訳（メタデータ） (2025-03-06T18:46:10Z)
• Aerial Secure Collaborative Communications under Eavesdropper Collusion in Low-altitude Economy: A Generative Swarm Intelligent Approach [84.20358039333756]
  本研究では,AAV群に分散コラボレーティブビームフォーミング(DCB)を導入し,対応する信号分布を制御して盗聴者の共謀を処理した。 両方向の秘密保持能力と最大サイドローブレベルを最小化して、未知の盗聴者からの情報漏洩を回避する。 本稿では,より少ないオーバーヘッドで問題を解決するために,新しいジェネレーティブ・スウォーム・インテリジェンス(GenSI)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-02T04:02:58Z)
• Towards Robust Stability Prediction in Smart Grids: GAN-based Approach under Data Constraints and Adversarial Challenges [53.2306792009435]
  本稿では,安定したデータのみを用いて,スマートグリッドの不安定性を検出する新しいフレームワークを提案する。 ジェネレータはGAN(Generative Adversarial Network)に依存しており、ジェネレータは不安定なデータを生成するために訓練される。 我々の解は、実世界の安定と不安定なサンプルからなるデータセットでテストされ、格子安定性の予測において最大97.5%、敵攻撃の検出において最大98.9%の精度を達成する。
  論文  参考訳（メタデータ） (2025-01-27T20:48:25Z)
• Artificial Intelligence for Sustainable Urban Biodiversity: A Framework for Monitoring and Conservation [0.0]
  都市部の急速な拡大は生物多様性の保全に挑戦し、革新的な生態系管理を必要としている。 本研究では, 都市生物多様性保全における人工知能(AI)の役割とその応用, 実装の枠組みについて検討する。
  論文  参考訳（メタデータ） (2024-12-28T03:18:56Z)
• AI-Driven Real-Time Monitoring of Ground-Nesting Birds: A Case Study on Curlew Detection Using YOLOv10 [0.07255608805275862]
  本研究は,カリュー(Numenius arquata)に着目したAIによるリアルタイム種検出手法を提案する。 カスタムトレーニングされたYOLOv10モデルは、Create AIプラットフォームにリンクされた3/4G対応カメラを使用して、カリューとそのニワトリを検知し、分類するために開発された。 ウェールズの11箇所で、このモデルは高い性能を達成し、感度は90.56%、特異度は100%、F1スコアは95.05%だった。
  論文  参考訳（メタデータ） (2024-11-22T10:36:29Z)
• Harnessing Artificial Intelligence for Wildlife Conservation [0.0937465283958018]
  保護AIは、視覚スペクトルと熱赤外線カメラを使用して、動物、人間、密猟に関連する物体を検出し、分類する。 このプラットフォームは、このデータを畳み込みニューラルネットワーク(CNN)とTransformerアーキテクチャで処理し、種を監視する。 ヨーロッパ、北アメリカ、アフリカ、東南アジアの事例研究は、このプラットフォームが種の識別、生物多様性の監視、密猟防止に成功していることを強調している。
  論文  参考訳（メタデータ） (2024-08-30T09:13:31Z)
• The RoboDrive Challenge: Drive Anytime Anywhere in Any Condition [136.32656319458158]
  2024年のRoboDrive Challengeは、駆動認識技術の発展を促進するために作られた。 今年の挑戦は5つの異なるトラックで構成され、11カ国の93の機関から140の登録チームが集まった。 競争は15の最高パフォーマンスのソリューションで頂点に達した。
  論文  参考訳（メタデータ） (2024-05-14T17:59:57Z)
• Neuroevolution-based Classifiers for Deforestation Detection in Tropical Forests [62.997667081978825]
  森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。 監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。 本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
  論文  参考訳（メタデータ） (2022-08-23T16:04:12Z)
• Learning to Plan Optimistically: Uncertainty-Guided Deep Exploration via Latent Model Ensembles [73.15950858151594]
  本稿では,不確実な長期報酬に直面した最適化による深層探査を可能にするLOVE(Latent Optimistic Value Exploration)を提案する。 潜在世界モデルと値関数推定を組み合わせ、無限水平リターンを予測し、アンサンブルにより関連する不確実性を回復する。 連続行動空間における視覚ロボット制御タスクにLOVEを適用し、最先端や他の探査目標と比較して、平均20%以上のサンプル効率の改善を実証する。
  論文  参考訳（メタデータ） (2020-10-27T22:06:57Z)

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。