論文の概要: Counting with Confidence: Accurate Pest Monitoring in Water Traps

• arxiv url: http://arxiv.org/abs/2506.22438v1
• Date: Mon, 19 May 2025 18:01:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-07 02:47:44.335577
• Title: Counting with Confidence: Accurate Pest Monitoring in Water Traps
• Title（参考訳）: 信頼度を測る: 水道路における正確な害虫モニタリング
• Authors: Xumin Gao, Mark Stevens, Grzegorz Cielniak,
• Abstract要約: 既存の視覚に基づく自動害虫計数研究の一般的な制限は、モデルが基底真理のデータセットに基づいて評価されるが、基底真理の欠如による計測結果の信頼性を評価することなく、現実のシナリオにデプロイされることである。 本稿では, 画像の信頼度を計測する害虫数を, 計測結果と外部環境条件に関する情報に基づいて総合的に評価する手法を提案する。 実験の結果,MSEを31.7%削減し,R2を15.2%改善した。
• 参考スコア（独自算出の注目度）: 5.905721043072562
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate pest population monitoring and tracking their dynamic changes are crucial for precision agriculture decision-making. A common limitation in existing vision-based automatic pest counting research is that models are typically evaluated on datasets with ground truth but deployed in real-world scenarios without assessing the reliability of counting results due to the lack of ground truth. To this end, this paper proposed a method for comprehensively evaluating pest counting confidence in the image, based on information related to counting results and external environmental conditions. First, a pest detection network is used for pest detection and counting, extracting counting result-related information. Then, the pest images undergo image quality assessment, image complexity assessment, and pest distribution uniformity assessment. And the changes in image clarity caused by stirring during image acquisition are quantified by calculating the average gradient magnitude. Notably, we designed a hypothesis-driven multi-factor sensitivity analysis method to select the optimal image quality assessment and image complexity assessment methods. And we proposed an adaptive DBSCAN clustering algorithm for pest distribution uniformity assessment. Finally, the obtained information related to counting results and external environmental conditions is input into a regression model for prediction, resulting in the final pest counting confidence. To the best of our knowledge, this is the first study dedicated to comprehensively evaluating counting confidence in counting tasks, and quantifying the relationship between influencing factors and counting confidence through a model. Experimental results show our method reduces MSE by 31.7% and improves R2 by 15.2% on the pest counting confidence test set, compared to the baseline built primarily on information related to counting results.
• Abstract（参考訳）: 正確な害虫集団のモニタリングと動的変化の追跡は、精密農業決定に不可欠である。 既存の視覚に基づく自動害虫計数研究の一般的な制限は、モデルは通常、基底真理のデータセットで評価されるが、基底真理の欠如による結果のカウントの信頼性を評価することなく、現実のシナリオでデプロイされることである。 そこで本研究では,計測結果と外部環境条件に関する情報に基づいて,画像中の害虫数に対する信頼度を総合的に評価する手法を提案する。 まず、害虫検知ネットワークを用いて害虫検出・カウントを行い、結果関連情報を抽出する。 そして、害虫画像は、画像品質評価、画像複雑性評価、害虫分布均一性評価を行う。 また, 画像取得時のかき混ぜによる画像の明瞭度の変化を, 平均勾配等級を算出して定量化する。 特に、最適な画像品質評価法と画像複雑性評価法を選択するために、仮説駆動型多要素感度分析法を設計した。 そこで我々は,害虫分布均一性評価のための適応DBSCANクラスタリングアルゴリズムを提案した。 最終的に、計測結果と外部環境条件に関する得られた情報が予測の回帰モデルに入力され、最終的な害虫カウント信頼が得られる。 我々の知る限りでは、この研究は、タスクの数え上げにおける信頼度を包括的に評価し、影響要因とモデルによる信頼度との関係を定量化するための最初の研究である。 実験の結果,MSEを31.7%削減し,R2を15.2%改善した。

関連論文リスト

• GRASP-PsONet: Gradient-based Removal of Spurious Patterns for PsOriasis Severity Classification [0.0]
  本稿では,突発的な相関を導入し,問題のあるトレーニングイメージを自動的にフラグするフレームワークを提案する。 フラグ付き画像の8.2%は、保持されたテストセットでモデルAUC-ROCを5%(85%から90%)改善する。 2人の皮膚科医によって評価された訓練データのサブセットに適用した場合、この方法は、レイター間不一致の90%以上を識別する。
  論文  参考訳（メタデータ） (2025-06-27T03:42:09Z)
• GREAT Score: Global Robustness Evaluation of Adversarial Perturbation using Generative Models [60.48306899271866]
  GREATスコア(GREAT Score)と呼ばれる新しいフレームワークを提案する。 我々は,ロバストベンチにおける攻撃ベースモデルと比較し,高い相関性を示し,GREATスコアのコストを大幅に削減した。 GREAT Scoreは、プライバシーに敏感なブラックボックスモデルのリモート監査に使用することができる。
  論文  参考訳（メタデータ） (2023-04-19T14:58:27Z)
• Low Variance Off-policy Evaluation with State-based Importance Sampling [21.727827944373793]
  本稿では, 重みの計算から特定の状態を取り除き, ばらつきを低減できる状態ベース重要度サンプリング推定器を提案する。 4つの領域の実験により、状態ベースの手法は、従来の手法に比べて、ばらつきの低減と精度の向上を一貫して達成していることが示された。
  論文  参考訳（メタデータ） (2022-12-07T19:56:11Z)
• End-to-end deep learning for directly estimating grape yield from ground-based imagery [53.086864957064876]
  本研究は, ブドウ畑の収量推定に深層学習と併用した近位画像の応用を実証する。 オブジェクト検出、CNN回帰、トランスフォーマーモデルという3つのモデルアーキテクチャがテストされた。 本研究は,ブドウの収量予測における近位画像と深層学習の適用性を示した。
  論文  参考訳（メタデータ） (2022-08-04T01:34:46Z)
• Assessment of Treatment Effect Estimators for Heavy-Tailed Data [70.72363097550483]
  ランダム化制御試験(RCT)における治療効果の客観的評価における中心的な障害は、その性能をテストするための基礎的真理(または検証セット)の欠如である。 この課題に対処するための新しいクロスバリデーションのような方法論を提供する。 本手法は,Amazonサプライチェーンに実装された709RCTに対して評価を行った。
  論文  参考訳（メタデータ） (2021-12-14T17:53:01Z)
• TREND: Truncated Generalized Normal Density Estimation of Inception Embeddings for Accurate GAN Evaluation [27.80517509528215]
  Frech'et Inception distanceはGANの評価に最も広く使われている指標の1つです。 これは過度に単純化された仮定であり、信頼性の低い評価結果につながる可能性がある。 TREND(TRuncated gEneralized Normal Density Estimation of Inception Embeddings)という,GANの正確な評価のための新しい指標を提案する。
  論文  参考訳（メタデータ） (2021-04-30T05:51:07Z)
• Enabling Counterfactual Survival Analysis with Balanced Representations [64.17342727357618]
  生存データは様々な医学的応用、すなわち薬物開発、リスクプロファイリング、臨床試験で頻繁に見られる。 本稿では,生存結果に適用可能な対実的推論のための理論的基盤を持つ統一的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-06-14T01:15:00Z)

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。