論文の概要: Remote sensing colour image semantic segmentation of trails created by large herbivorous Mammals
- arxiv url: http://arxiv.org/abs/2504.12121v1
- Date: Wed, 16 Apr 2025 14:33:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-17 14:39:23.520685
- Title: Remote sensing colour image semantic segmentation of trails created by large herbivorous Mammals
- Title（参考訳）: 大型草食性哺乳動物が生成する経路のリモートセンシングカラー画像意味セグメンテーション
- Authors: Jose Francisco Diez-Pastor, Francisco Javier Gonzalez-Moya, Pedro Latorre-Carmona, Francisco Javier Perez-Barbería, Ludmila I. Kuncheva, Antonio Canepa-Oneto, Alvar Arnaiz-González, Cesar Garcia-Osorio,
- Abstract要約: 放牧道は、裸地の線路の複雑なネットワークを発生させる大きな草食動物の連続的な活動によって形成される。
そこで我々は,放牧経路を識別する機械学習技術に基づいて,異なるアルゴリズムの評価を行った。
これは我々の知る限りでは初めてであり、大型の草食性哺乳動物の足跡の検出とデライン化のために、競争力のある画像セグメンテーションの結果が得られている。
- 参考スコア（独自算出の注目度）: 0.5269923665485902
- License:
- Abstract: Detection of spatial areas where biodiversity is at risk is of paramount importance for the conservation and monitoring of ecosystems. Large terrestrial mammalian herbivores are keystone species as their activity not only has deep effects on soils, plants, and animals, but also shapes landscapes, as large herbivores act as allogenic ecosystem engineers. One key landscape feature that indicates intense herbivore activity and potentially impacts biodiversity is the formation of grazing trails. Grazing trails are formed by the continuous trampling activity of large herbivores that can produce complex networks of tracks of bare soil. Here, we evaluated different algorithms based on machine learning techniques to identify grazing trails. Our goal is to automatically detect potential areas with intense herbivory activity, which might be beneficial for conservation and management plans. We have applied five semantic segmentation methods combined with fourteen encoders aimed at mapping grazing trails on aerial images. Our results indicate that in most cases the chosen methodology successfully mapped the trails, although there were a few instances where the actual trail structure was underestimated. The UNet architecture with the MambaOut encoder was the best architecture for mapping trails. The proposed approach could be applied to develop tools for mapping and monitoring temporal changes in these landscape structures to support habitat conservation and land management programs. This is the first time, to the best of our knowledge, that competitive image segmentation results are obtained for the detection and delineation of trails of large herbivorous mammals.
- Abstract（参考訳）: 生物多様性が危険にさらされている空間領域の検出は,生態系の保全とモニタリングにとって最重要課題である。
大型の陸生哺乳類の草食動物は、その活動が土壌、植物、動物に深い影響を与えるだけでなく、大きな草食動物が同生生態系のエンジニアとして働くため、景観を形作っているため、鍵石種である。
激しい草食活性を示し、潜在的に生物多様性に影響を与える重要な景観の特徴は、放牧道の形成である。
放牧道は、裸の土の軌跡の複雑なネットワークを生産できる大きな草食動物の連続的な踏み込み活動によって形成される。
そこで我々は,放牧経路を識別する機械学習技術に基づいて,異なるアルゴリズムの評価を行った。
我々のゴールは、激しい草食活動を伴う潜在的な領域を自動的に検出することであり、これは保全と管理計画に有用かもしれない。
航空画像上での放牧経路のマッピングを目的とした14エンコーダと5つのセマンティックセグメンテーション手法を適用した。
以上の結果から,選択した手法が経路のマッピングに有効であった場合が多いが,実際の経路構造が過小評価されている例は少なくなかった。
MambaOutエンコーダを備えたUNetアーキテクチャは、マッピングトレイルに最適なアーキテクチャであった。
提案手法は,生息環境保全と土地管理プログラムを支援するため,これらの景観構造の時間的変化をマッピングし,モニタリングするツールの開発に応用できる。
我々の知る限りでは、大型の草食性哺乳動物の足跡の検出とデライン化のために、競争力のある画像セグメンテーションの結果が得られたのはこれが初めてである。
関連論文リスト
- Detection and Geographic Localization of Natural Objects in the Wild: A Case Study on Palms [13.350975037304194]
PRISM (Processing, Inference, and Mapping) は高密度熱帯林におけるヤシの検出と位置決定のための柔軟なパイプラインである。
まず,8,830個の箱と5,026個のヤシ中心点をアノテートした,エクアドル西部の21の生態学的に多様な場所に,UAV由来の大規模なオルソモザイクデータセットを構築した。
第2に、ゼロショットSAM2をセグメンテーションバックボーンとして統合し、効率と性能に基づいて複数の最先端物体検出器を評価し、第3に、信頼性スコアをIoUと整合させ、sを探索するキャリブレーション手法を適用した。
論文 参考訳（メタデータ） (2025-02-18T16:43:11Z) - Inteligencia artificial para la multi-clasificación de fauna en fotografías automáticas utilizadas en investigación científica [0.0]
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。
論文 参考訳（メタデータ） (2025-02-06T13:23:24Z) - WildGEN: Long-horizon Trajectory Generation for Wildlife [3.8986045286948]
軌道生成は歩行者、車両、野生動物の運動研究において重要な関心事である。
本研究では,変分オートエンコーダ(VAE)に基づく手法を用いて,この問題に対処する概念的フレームワークWildGENを紹介する。
その後、スムーズなフィルタに基づいて生成された軌跡の後の処理工程を行い、過度のさまよりを低減する。
論文 参考訳（メタデータ） (2023-12-30T05:08:28Z) - 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) - 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) - Semantic Image Segmentation with Deep Learning for Vine Leaf Phenotyping [59.0626764544669]
本研究では,ブドウの葉のイメージを意味的にセグメント化するためにDeep Learning法を用いて,葉の表現型自動検出システムを開発した。
私たちの研究は、成長や開発のような動的な特性を捉え定量化できる植物ライフサイクルのモニタリングに寄与します。
論文 参考訳（メタデータ） (2022-10-24T14:37:09Z) - Self-supervised Secondary Landmark Detection via 3D Representation
Learning [13.157012771922801]
本研究では,3次元空間における一次ランドマークと二次ランドマークの空間的関係を学習する手法を提案する。
この学習は、マカク、ハエ、人間を含む多様な生物の様々なマルチビュー設定に適用することができる。
論文 参考訳（メタデータ） (2021-10-01T17:15:47Z) - Detecting Cattle and Elk in the Wild from Space [6.810164473908359]
衛星画像中の大きな黄体を位置決めし、数えることが生態学研究を支える重要な課題である。
画像中の動物数(カウント)を同時に推定し,その位置をピクセルレベルで(ローカライズ)予測するベースライン手法であるCowNetを提案する。
本稿では,カリフォルニア州ポイント・レーズ海浜の大規模景観における結果モデルの時間的一般化を特に検証する。
論文 参考訳（メタデータ） (2021-06-29T14:35:23Z) - 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) - Transferring Dense Pose to Proximal Animal Classes [83.84439508978126]
より一般的な対象検出器やセグメンタなどと同様に、密集したポーズ認識に存在する知識を、他のクラスにおける密集したポーズ認識の問題に移すことが可能であることを示す。
我々は、人間と幾何学的に整合した新しい動物のためのDensePoseモデルを確立することでこれを行う。
また、クラスチンパンジーにDensePoseの方法でラベル付けされた2つのベンチマークデータセットを導入し、アプローチを評価するためにそれらを使用します。
論文 参考訳（メタデータ） (2020-02-28T21:43:53Z)
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。