論文の概要: MMLA: Multi-Environment, Multi-Species, Low-Altitude Aerial Footage Dataset
- arxiv url: http://arxiv.org/abs/2504.07744v1
- Date: Thu, 10 Apr 2025 13:40:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-11 12:20:45.724288
- Title: MMLA: Multi-Environment, Multi-Species, Low-Altitude Aerial Footage Dataset
- Title（参考訳）: MMLA:マルチ環境、マルチスペック、低高度空中フットージデータセット
- Authors: Jenna Kline, Samuel Stevens, Guy Maalouf, Camille Rondeau Saint-Jean, Dat Nguyen Ngoc, Majid Mirmehdi, David Guerin, Tilo Burghardt, Elzbieta Pastucha, Blair Costelloe, Matthew Watson, Thomas Richardson, Ulrik Pagh Schultz Lundquist,
- Abstract要約: ドローン画像のリアルタイム野生生物検出は、動物生態学、保全、生物多様性監視など、多くの応用に欠かせない。
我々は,新しい多種多環境低高度空中映像(MMLA)データセットを提案する。
その結果, 種別検出の差異は, 地域間で有意な相違が認められた。
- 参考スコア（独自算出の注目度）: 3.7188931723069443
- License:
- Abstract: Real-time wildlife detection in drone imagery is critical for numerous applications, including animal ecology, conservation, and biodiversity monitoring. Low-altitude drone missions are effective for collecting fine-grained animal movement and behavior data, particularly if missions are automated for increased speed and consistency. However, little work exists on evaluating computer vision models on low-altitude aerial imagery and generalizability across different species and settings. To fill this gap, we present a novel multi-environment, multi-species, low-altitude aerial footage (MMLA) dataset. MMLA consists of drone footage collected across three diverse environments: Ol Pejeta Conservancy and Mpala Research Centre in Kenya, and The Wilds Conservation Center in Ohio, which includes five species: Plains zebras, Grevy's zebras, giraffes, onagers, and African Painted Dogs. We comprehensively evaluate three YOLO models (YOLOv5m, YOLOv8m, and YOLOv11m) for detecting animals. Results demonstrate significant performance disparities across locations and species-specific detection variations. Our work highlights the importance of evaluating detection algorithms across different environments for robust wildlife monitoring applications using drones.
- Abstract（参考訳）: ドローン画像のリアルタイム野生生物検出は、動物生態学、保全、生物多様性監視など、多くの応用に欠かせない。
低高度ドローンミッションは、特にスピードと一貫性を高めるためにミッションが自動化された場合、細粒度の動物の動きや行動データを集めるのに効果的である。
しかし、低高度空中画像のコンピュータビジョンモデルの評価や、異なる種や設定における一般化可能性についてはほとんど研究されていない。
このギャップを埋めるために、新しいマルチ環境、複数種、低高度空中映像(MMLA)データセットを提案する。
MMLAは、ケニアのOl Pejeta ConservancyとMpala Research Centre、オハイオ州のThe Wilds Conservation Centerの3つの異なる環境にまたがって収集されたドローン映像で構成されている。
動物検出のための3種類のYOLOモデル(YOLOv5m, YOLOv8m, YOLOv11m)を総合的に評価した。
その結果, 種別検出の差異は, 地域間で有意な相違が認められた。
我々の研究は、ドローンを用いた堅牢な野生生物モニタリングアプリケーションのために、様々な環境における検出アルゴリズムを評価することの重要性を強調している。
関連論文リスト
- Context-Aware Outlier Rejection for Robust Multi-View 3D Tracking of Similar Small Birds in An Outdoor Aviary [39.35431651202991]
本稿では,マルチカメラシステムを用いた屋外飛行場における複数の鳥のロバストな3次元追跡手法を提案する。
特徴マッチングと3次元再構成に環境ランドマークを活用することで,視覚的に類似した鳥とその迅速な動きの課題に対処する。
また、4つの囲いに居住する80羽の鳥の大規模な注釈付きデータセットを20時間の映像で提供し、コンピュータビジョン、鳥類学者、生態学者に豊富なテストベッドを提供しています。
論文 参考訳（メタデータ） (2024-12-21T07:20:57Z) - BuckTales : A multi-UAV dataset for multi-object tracking and re-identification of wild antelopes [0.6267336085190178]
BuckTalesは、野生動物の多目的追跡と再同定問題を解決するために設計された最初の大規模なUAVデータセットである。
MOTデータセットには12の高解像度(5.4K)ビデオを含む680トラックを含む120万以上のアノテーションが含まれている。
Re-IDデータセットには、同時に2つのUAVで捕獲された730人の個人が含まれている。
論文 参考訳（メタデータ） (2024-11-11T11:55:14Z) - Multi-Species Object Detection in Drone Imagery for Population Monitoring of Endangered Animals [0.0]
本研究は,動物種を正確に数えるために,ドローン画像の微調整対象検出モデルに焦点を当てた。
私たちは30の異なるモデルをトレーニングし、最大のモデルは4370万のパラメータと365のレイヤを持っていた。
我々はこれらのモデルをJetson Orin Nano上に展開し、ドローンで容易に推測できる低消費電力リアルタイム種検出のデモを行った。
論文 参考訳（メタデータ） (2024-06-28T03:03:55Z) - Multiview Aerial Visual Recognition (MAVREC): Can Multi-view Improve
Aerial Visual Perception? [57.77643186237265]
我々は、異なる視点から同期シーンを記録するビデオデータセットであるMultiview Aerial Visual RECgnition(MAVREC)を提示する。
MAVRECは約2.5時間、業界標準の2.7K解像度ビデオシーケンス、0.5万フレーム以上のフレーム、11万の注釈付きバウンディングボックスで構成されている。
これにより、MAVRECは地上および空中ビューのデータセットとして最大であり、ドローンベースのデータセットの中では4番目に大きい。
論文 参考訳（メタデータ） (2023-12-07T18:59:14Z) - 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) - SatBird: Bird Species Distribution Modeling with Remote Sensing and
Citizen Science Data [68.2366021016172]
本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。
ケニアでは低データのレシエーションを表すデータセットも提供しています。
リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
論文 参考訳（メタデータ） (2023-11-02T02:00:27Z) - SOCRATES: A Stereo Camera Trap for Monitoring of Biodiversity [0.0]
本研究では,高度に最適化されたハードウェアとソフトウェアを特徴とする3Dカメラトラップ手法を提案する。
SOCRATESの総合的な評価は、動物検出の3.23%ドルの改善だけでなく、動物の存在量を推定するための優れた適用性も示している。
論文 参考訳（メタデータ） (2022-09-19T15:03:35Z) - LudVision -- Remote Detection of Exotic Invasive Aquatic Floral Species
using Drone-Mounted Multispectral Data [0.34998703934432673]
ルートヴィヒア・ペプロイドは、欧州連合によって水生侵略種と見なされている。
我々の目標は、種の存在を特定する方法を開発することであった。
得られた画像から対象種を同定するため,Ludwigia p。
論文 参考訳（メタデータ） (2022-07-12T15:43:21Z) - A dataset for multi-sensor drone detection [67.75999072448555]
近年,小型・遠隔操作無人航空機(UAV)の使用が増加している。
ドローン検出に関するほとんどの研究は、取得デバイスの種類、ドローンの種類、検出範囲、データセットを特定することに失敗している。
我々は、赤外線および可視ビデオとオーディオファイルを含むドローン検出のための注釈付きマルチセンサーデータベースにコントリビュートする。
論文 参考訳（メタデータ） (2021-11-02T20:52:03Z) - 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) - AcinoSet: A 3D Pose Estimation Dataset and Baseline Models for Cheetahs
in the Wild [51.35013619649463]
我々はAcinoSetと呼ばれる野生のフリーランニングチーターの広範なデータセットを提示する。
データセットには、119,490フレームのマルチビュー同期高速ビデオ映像、カメラキャリブレーションファイル、7,588フレームが含まれている。
また、結果の3D軌道、人間チェックされた3D地上真実、およびデータを検査するインタラクティブツールも提供される。
論文 参考訳（メタデータ） (2021-03-24T15:54:11Z)
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。