論文の概要: ZooplanktonBench: A Geo-Aware Zooplankton Recognition and Classification Dataset from Marine Observations
- arxiv url: http://arxiv.org/abs/2505.18477v2
- Date: Tue, 27 May 2025 20:23:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-29 12:33:41.726622
- Title: ZooplanktonBench: A Geo-Aware Zooplankton Recognition and Classification Dataset from Marine Observations
- Title（参考訳）: ZooplanktonBench:海洋観測による地球環境を考慮した動物プランクトン認識と分類データセット
- Authors: Fukun Liu, Adam T. Greer, Gengchen Mai, Jin Sun,
- Abstract要約: プランクトン(英: Plankton)は、世界中の海中に存在する小さな漂流生物であり、海洋の健康の指標である。
このプランクトン群落の1つの構成要素は、ゼラチン質の動物や甲殻類を含む動物プランクトンである。
動物プランクトンの存在を正確に監視し、海洋環境に関する人口の変化を理解することは、海洋科学研究にとって貴重なことである。
- 参考スコア（独自算出の注目度）: 2.7251020066016003
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Plankton are small drifting organisms found throughout the world's oceans and can be indicators of ocean health. One component of this plankton community is the zooplankton, which includes gelatinous animals and crustaceans (e.g. shrimp), as well as the early life stages (i.e., eggs and larvae) of many commercially important fishes. Being able to monitor zooplankton abundances accurately and understand how populations change in relation to ocean conditions is invaluable to marine science research, with important implications for future marine seafood productivity. While new imaging technologies generate massive amounts of video data of zooplankton, analyzing them using general-purpose computer vision tools turns out to be highly challenging due to the high similarity in appearance between the zooplankton and its background (e.g., marine snow). In this work, we present the ZooplanktonBench, a benchmark dataset containing images and videos of zooplankton associated with rich geospatial metadata (e.g., geographic coordinates, depth, etc.) in various water ecosystems. ZooplanktonBench defines a collection of tasks to detect, classify, and track zooplankton in challenging settings, including highly cluttered environments, living vs non-living classification, objects with similar shapes, and relatively small objects. Our dataset presents unique challenges and opportunities for state-of-the-art computer vision systems to evolve and improve visual understanding in dynamic environments characterized by significant variation and the need for geo-awareness. The code and settings described in this paper can be found on our website: https://lfk118.github.io/ZooplanktonBench_Webpage.
- Abstract（参考訳）: プランクトン(英: Plankton)は、世界中の海中に存在する小さな漂流生物であり、海洋の健康の指標である。
このプランクトン群落の1つの構成要素は動物園プランクトンであり、多くの商業的に重要な魚の初期の生活段階(卵と幼虫)と同様に、ゼラチン質の動物や甲殻類(e g shrimp)を含む。
動物プランクトンの存在を正確に監視することができ、海洋環境との関係で個体群がどのように変化するかを理解することは海洋科学研究にとって重要であり、将来の海洋魚介類の生産性に重要な意味を持つ。
新しいイメージング技術は動物プランクトンの大量のビデオデータを生成するが、動物プランクトンとその背景(例:海洋雪)の外観の類似性が高いため、汎用コンピュータビジョンツールを用いてそれらを解析することは極めて困難であることが判明した。
本研究では,多様な水生態系における豊富な地理空間メタデータ(地理座標,深度など)に関連する動物プランクトンの画像と映像を含むベンチマークデータセットであるZooplanktonBenchを紹介する。
ZooplanktonBenchは、高度に散らばった環境、生活と非生活の分類、類似した形状のオブジェクト、比較的小さなオブジェクトなど、困難な環境で動物プランクトンを検出し、分類し、追跡するタスクの集合を定義する。
我々のデータセットは、大きな変化と地理認識の必要性を特徴とする動的環境の視覚的理解を進化させ、向上させる、最先端のコンピュータビジョンシステムに固有の課題と機会を提供する。
この論文で説明されているコードと設定は、私たちのWebサイト(https://lfk118.github.io/ZooplanktonBench_Webpage)で確認できます。
関連論文リスト
- Open-Set Plankton Recognition [0.10324748405849929]
現代の自動プランクトンイメージング装置は、大規模なプランクトン画像データセットの収集を可能にする。
プランクトン種認識は画像分類タスクと見なすことができ、一般的にディープラーニングに基づく画像認識モデルを用いて解決される。
本稿では,プランクトン画像のオープンセット認識(OSR)について考察する。
論文 参考訳（メタデータ） (2025-03-14T11:35:36Z) - Image-Based Relocalization and Alignment for Long-Term Monitoring of Dynamic Underwater Environments [57.59857784298534]
本稿では,視覚的位置認識(VPR),特徴マッチング,画像分割を組み合わせた統合パイプラインを提案する。
本手法は, 再検討領域のロバスト同定, 剛性変換の推定, 生態系変化の下流解析を可能にする。
論文 参考訳（メタデータ） (2025-03-06T05:13:19Z) - MPT: A Large-scale Multi-Phytoplankton Tracking Benchmark [36.37530623015916]
本稿では,様々な背景情報と観測時の動作変化を網羅するベンチマークデータセットであるMultiple Phytoplankton Tracking (MPT)を提案する。
このデータセットには27種類の植物プランクトンと動物プランクトンが含まれ、14種類の背景があり、多様な複雑な水中環境をシミュレートしている。
標準特徴抽出器の出力残量を予測するための追加特徴抽出器を導入し、抽出器の異なる層の特徴に基づいて多スケールのフレーム間類似性を計算した。
論文 参考訳（メタデータ） (2024-10-22T04:57:28Z) - 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) - Towards Generating Large Synthetic Phytoplankton Datasets for Efficient
Monitoring of Harmful Algal Blooms [77.25251419910205]
有害な藻類(HAB)は養殖農場で重大な魚死を引き起こす。
現在、有害藻や他の植物プランクトンを列挙する標準的な方法は、顕微鏡でそれらを手動で観察し数えることである。
合成画像の生成にはGAN(Generative Adversarial Networks)を用いる。
論文 参考訳（メタデータ） (2022-08-03T20:15:55Z) - Microplankton life histories revealed by holographic microscopy and deep
learning [0.0]
我々は,マイクロプランクトンを生涯にわたって追跡し,その三次元的位置と乾燥質量を連続的に測定できることを示した。
これにより、ドライ質量増加と細胞分裂の両面から成長速度を確実に推定することができ、また種間の栄養的相互作用を測定することができる。
マイクロ動物プランクトン給餌イベントの詳細な説明、細胞分裂、および単一細胞の分裂から分裂までの長期モニタリングによってこれを実証する。
論文 参考訳（メタデータ） (2022-02-18T07:06:50Z) - Deep Learning Classification of Lake Zooplankton [0.0]
湖沼プランクトンの同定のために開発された深層学習モデルについて述べる。
この目的のために,我々は17900年の動物園プランクトンと大型植物プランクトンコロニーの画像に対して35のクラスに注釈を付けた。
最良モデルは転送学習とアンサンブルに基づいて,98%の精度と93%のF1スコアでプランクトン画像を分類した。
論文 参考訳（メタデータ） (2021-08-11T14:57:43Z) - 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) - Cetacean Translation Initiative: a roadmap to deciphering the
communication of sperm whales [97.41394631426678]
最近の研究では、非ヒト種における音響コミュニケーションを分析するための機械学習ツールの約束を示した。
マッコウクジラの大量生物音響データの収集と処理に必要な重要な要素について概説する。
開発された技術能力は、非人間コミュニケーションと動物行動研究を研究する幅広いコミュニティにおいて、クロス応用と進歩をもたらす可能性が高い。
論文 参考訳（メタデータ） (2021-04-17T18:39:22Z) - Automatic image-based identification and biomass estimation of
invertebrates [70.08255822611812]
時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。
我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。
分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
論文 参考訳（メタデータ） (2020-02-05T21:38:57Z)
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。