論文の概要: MMLA: Multi-Environment, Multi-Species, Low-Altitude Drone Dataset
- arxiv url: http://arxiv.org/abs/2504.07744v2
- Date: Tue, 03 Jun 2025 15:13:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-05 01:42:09.084177
- Title: MMLA: Multi-Environment, Multi-Species, Low-Altitude Drone Dataset
- Title（参考訳）: MMLA:マルチ環境、マルチスペック、低高度ドローンデータセット
- 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: MMLAは、新しいマルチ環境、複数種、低高度ドローンデータセットである。
データセットには、37の高解像度ビデオからの811Kアノテーションが含まれている。
ベースラインのYOLOモデルは各所で性能格差を示し、MMLAのYOLOv11mはmAP50から82%改善している。
- 参考スコア（独自算出の注目度）: 3.7188931723069443
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Real-time wildlife detection in drone imagery supports critical ecological and conservation monitoring. However, standard detection models like YOLO often fail to generalize across locations and struggle with rare species, limiting their use in automated drone deployments. We present MMLA, a novel multi-environment, multi-species, low-altitude drone dataset collected across three sites (Ol Pejeta Conservancy and Mpala Research Centre in Kenya, and The Wilds in Ohio), featuring six species (zebras, giraffes, onagers, and African wild dogs). The dataset contains 811K annotations from 37 high-resolution videos. Baseline YOLO models show performance disparities across locations while fine-tuning YOLOv11m on MMLA improves mAP50 to 82%, a 52-point gain over baseline. Our results underscore the need for diverse training data to enable robust animal detection in autonomous drone systems.
- Abstract（参考訳）: ドローン画像におけるリアルタイム野生生物検出は、重要な生態学的および保存的モニタリングをサポートする。
しかし、YOLOのような標準的な検出モデルは、場所をまたいだ一般化に失敗し、希少種と闘い、自動ドローン配備での使用を制限することも多い。
我々は,ケニアのOl Pejeta ConservancyとMpala Research Centre,オハイオ州のThe Wildsという3つの場所で収集された,新しい多環境,多種,低高度ドローンのデータセットであるMMLAを紹介した。
データセットには、37の高解像度ビデオからの811Kアノテーションが含まれている。
ベースラインのYOLOモデルでは、各場所でのパフォーマンス格差が示され、MMLAのYOLOv11mの微調整では、mAP50から82%に改善され、ベースラインよりも52ポイント向上した。
我々の結果は、自律ドローンシステムにおいて、堅牢な動物検出を可能にする多様なトレーニングデータの必要性を浮き彫りにしている。
関連論文リスト
- WildLive: Near Real-time Visual Wildlife Tracking onboard UAVs [4.215854427679142]
WildLiveは、航空機(UAV)上で直接走る高解像度画像のための、ほぼリアルタイムの動物検出と追跡のためのフレームワークである。
このシステムは、高高度飛行時の操作に適した4Kビデオストリーム上で、HDで17 fps+、HDで7 fps+でマルチアニマル検出を行う。
このデータセットは、ケニアのOl Pejeta Conservancyで収集された4K UAVビデオから、19k以上のフレームにわたる200k以上の注釈付き動物インスタンスで構成されています。
論文 参考訳（メタデータ） (2025-04-14T12:21:16Z) - MammAlps: A multi-view video behavior monitoring dataset of wild mammals in the Swiss Alps [41.58000025132071]
MammAlps(マムアルプス)は、スイス国立公園の9つのカメラトラップから収集した野生生物の行動のデータセットである。
6135個の単一動物クリップに基づいて,最初の階層的・マルチモーダルな動物行動認識ベンチマークを提案する。
また,活動,種,個体数,気象条件の同定を目的とした第2の生態指標を提案する。
論文 参考訳（メタデータ） (2025-03-23T21:51:58Z) - Few-shot Species Range Estimation [61.60698161072356]
特定の種が地球上でどこで発見できるかを知ることは、生態学の研究と保全に不可欠である。
我々は、限られたデータから種の範囲を正確に推定することの難しさに対処するために、数発の種範囲推定の新しいアプローチを概説する。
推測において,本モデルでは,テキストや画像などの任意のメタデータとともに,空間的位置のセットを入力として取り,フィードフォワード方式で未確認種の範囲を予測できる種を出力する。
論文 参考訳（メタデータ） (2025-02-20T19:13:29Z) - 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) - 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。