論文の概要: Automated Detection of Salvin's Albatrosses: Improving Deep Learning Tools for Aerial Wildlife Surveys

• arxiv url: http://arxiv.org/abs/2505.10737v1
• Date: Thu, 15 May 2025 22:42:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-19 14:36:13.682055
• Title: Automated Detection of Salvin's Albatrosses: Improving Deep Learning Tools for Aerial Wildlife Surveys
• Title（参考訳）: サルビンアルバトロスの自動検出:空中野生生物探査のための深層学習ツールの改良
• Authors: Mitchell Rogers, Theo Thompson, Isla Duporge, Johannes Fischer, Klemens Pütz, Thomas Mattern, Bing Xue, Mengjie Zhang,
• Abstract要約: 無人航空機(UAV)は高解像度画像を撮影する費用効率のよい手段を提供する。 ニュージーランドのバウンティ諸島におけるサルビンのアルバトロス(Thalassarche salvini)の繁殖個体数を推定するための汎用鳥類検出モデルBirdDetectorの性能評価を行った。
• 参考スコア（独自算出の注目度）: 4.936287307711449
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Recent advancements in deep learning and aerial imaging have transformed wildlife monitoring, enabling researchers to survey wildlife populations at unprecedented scales. Unmanned Aerial Vehicles (UAVs) provide a cost-effective means of capturing high-resolution imagery, particularly for monitoring densely populated seabird colonies. In this study, we assess the performance of a general-purpose avian detection model, BirdDetector, in estimating the breeding population of Salvin's albatross (Thalassarche salvini) on the Bounty Islands, New Zealand. Using drone-derived imagery, we evaluate the model's effectiveness in both zero-shot and fine-tuned settings, incorporating enhanced inference techniques and stronger augmentation methods. Our findings indicate that while applying the model in a zero-shot setting offers a strong baseline, fine-tuning with annotations from the target domain and stronger image augmentation leads to marked improvements in detection accuracy. These results highlight the potential of leveraging pre-trained deep-learning models for species-specific monitoring in remote and challenging environments.
• Abstract（参考訳）: 近年の深層学習と空中イメージングの進歩は野生生物のモニタリングを変革し、研究者は前例のない規模で野生生物の個体群を調査した。 無人航空機(UAV)は、特に密集した海鳥のコロニーを監視するために、高解像度の画像を撮影する費用効率のよい手段を提供する。 本研究では,ニュージーランドのバウンティ諸島におけるサルビンのアルバトロス(Thalassarche salvini)の繁殖個体数の推定において,汎用的な鳥類検出モデルであるBirdDetectorの性能を評価する。 ドローン画像を用いて、ゼロショットと微調整の両方でモデルの有効性を評価し、改良された推論技術とより強力な拡張手法を取り入れた。 ゼロショット設定でモデルを適用した場合,ターゲット領域からのアノテーションによる微調整や画像強調による微調整により,検出精度が著しく向上することが示唆された。 これらの結果は、遠隔および挑戦的な環境における種別モニタリングに事前訓練されたディープラーニングモデルを活用する可能性を強調している。

関連論文リスト

• UAVTwin: Neural Digital Twins for UAVs using Gaussian Splatting [57.63613048492219]
  UAVTwinは,無人航空機(UAV)に埋め込まれた下流モデルの訓練を行うための,実環境からデジタル双生児を作成する方法である。 これは、背景を再構築するための3Dガウススティング(3DGS)と、多様な外観と動作を複数のポーズで表示する制御可能な合成人間モデルを統合することで実現される。
  論文  参考訳（メタデータ） (2025-04-02T22:17:30Z)
• Understanding and Improving Training-Free AI-Generated Image Detections with Vision Foundation Models [68.90917438865078]
  顔合成と編集のためのディープフェイク技術は、生成モデルに重大なリスクをもたらす。 本稿では,モデルバックボーン,タイプ,データセット間で検出性能がどう変化するかを検討する。 本稿では、顔画像のパフォーマンスを向上させるContrastive Blurと、ノイズタイプのバイアスに対処し、ドメイン間のパフォーマンスのバランスをとるMINDERを紹介する。
  論文  参考訳（メタデータ） (2024-11-28T13:04:45Z)
• 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)
• Improving Buoy Detection with Deep Transfer Learning for Mussel Farm Automation [7.906113472259946]
  ニュージーランドの養殖業は急速に拡大しており、特に貝類の輸出に重点を置いている。 ムッセル農業活動の需要が発展を続けるにつれ、人工知能とコンピュータビジョン技術の統合が、運用効率を高める効果的なアプローチとして現れつつある。 本研究は, 深層学習手法を活用して, ブイ検出の高度化を図っている。
  論文  参考訳（メタデータ） (2023-08-18T01:53:47Z)
• Weakly supervised marine animal detection from remote sensing images using vector-quantized variational autoencoder [4.812718493682454]
  本稿では, 海洋環境における航空画像からの弱教師付き動物検出のための再構成に基づくアプローチについて検討する。 異常検出フレームワークは、入力空間上で直接メトリクスを計算し、解釈可能性と異常なローカライゼーションを高める。 我々のフレームワークは、異常の解釈性と局所化を改善し、海洋生態系のモニタリングに有用な洞察を提供する。
  論文  参考訳（メタデータ） (2023-07-13T12:26:27Z)
• Object counting from aerial remote sensing images: application to wildlife and marine mammals [4.812718493682454]
  人類形成活動は野生生物や海洋動物相に脅威をもたらす。 本研究は、深層学習技術を用いて、動物の計数作業を自動化する。 複雑な画像背景条件にもかかわらず、モデルは正確に動物を特定する。
  論文  参考訳（メタデータ） (2023-06-17T23:14:53Z)
• Deep object detection for waterbird monitoring using aerial imagery [56.1262568293658]
  本研究では,商用ドローンで収集した空中画像を用いて,水鳥の正確な検出,数え,監視に使用できる深層学習パイプラインを提案する。 畳み込み型ニューラルネットワークを用いた物体検出装置を用いて,テキサス沿岸の植民地性営巣島でよく見られる16種類の水鳥を検出できることを示す。
  論文  参考訳（メタデータ） (2022-10-10T17:37:56Z)
• Small or Far Away? Exploiting Deep Super-Resolution and Altitude Data for Aerial Animal Surveillance [3.8015092217142223]
  本研究では,全体的注目ネットワークに基づく超解像手法と,カスタム構築された高度データ利用ネットワークにより,実環境における検出の有効性が向上することを示す。 SAVMAP と AED の2つの大型航空捕獲動物データセットを用いて,本システムの評価を行った。
  論文  参考訳（メタデータ） (2021-11-12T17:30:55Z)
• 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)

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。