論文の概要: What cat is that? A re-id model for feral cats

• arxiv url: http://arxiv.org/abs/2507.11575v1
• Date: Tue, 15 Jul 2025 05:24:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-17 19:00:11.08009
• Title: What cat is that? A re-id model for feral cats
• Title（参考訳）: 猫って何?フェラル猫のリIDモデル
• Authors: Victor Caquilpan,
• Abstract要約: このプロジェクトは、野生のネコを識別できるre-IDモデルを作成するために、様々なCVアプローチを探索する。 主なアプローチは、アムールトラのリIDで最初に使用された部分的なネットワーク(Net)モデルを変更することである。 様々な実験を行い、特にArc-Face損失のような対照的な学習手法を探求した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Feral cats exert a substantial and detrimental impact on Australian wildlife, placing them among the most dangerous invasive species worldwide. Therefore, closely monitoring these cats is essential labour in minimising their effects. In this context, the potential application of Re-Identification (re-ID) emerges to enhance monitoring activities for these animals, utilising images captured by camera traps. This project explores different CV approaches to create a re-ID model able to identify individual feral cats in the wild. The main approach consists of modifying a part-pose guided network (PPGNet) model, initially used in the re-ID of Amur tigers, to be applicable for feral cats. This adaptation, resulting in PPGNet-Cat, which incorporates specific modifications to suit the characteristics of feral cats images. Additionally, various experiments were conducted, particularly exploring contrastive learning approaches such as ArcFace loss. The main results indicate that PPGNet-Cat excels in identifying feral cats, achieving high performance with a mean Average Precision (mAP) of 0.86 and a rank-1 accuracy of 0.95. These outcomes establish PPGNet-Cat as a competitive model within the realm of re-ID.
• Abstract（参考訳）: ネコはオーストラリア産の野生動物に著しく有害な影響を及ぼし、世界でも最も危険な外来種である。 したがって、これらの猫を綿密に監視することは、その効果を最小化する上で必須の労力である。 この文脈において、再同定(re-ID)の潜在的な応用は、カメラトラップが捉えた画像を活用することにより、これらの動物の監視活動を強化するために現れる。 このプロジェクトは、野生のネコを識別できるre-IDモデルを作成するために、様々なCVアプローチを探索する。 主なアプローチは、アムールトラのre-IDで最初に使用されるPPGNet(part-pose guided network)モデルを変更して、胎児猫に適用することである。 この適応によりPDGNet-Catは、ネコの画像の特徴に適合する特定の修正を取り入れている。 さらに、ArcFaceの損失のような対照的な学習手法を探求する様々な実験が行われた。 以上の結果から, PPGNet-Catはネコの同定に優れ, 平均精度0.86, ランク1の精度0.95で高い性能を示した。 これらの結果は、re-ID領域における競合モデルとしてPSGNet-Catを確立する。

関連論文リスト

• SwinECAT: A Transformer-based fundus disease classification model with Shifted Window Attention and Efficient Channel Attention [1.7654715490718196]
  眼底画像解析は、特定の眼底疾患の小さな病変領域や微妙な相違など、特別な課題を呈する。 本稿では、シフトウィンドウ(Swin)注意とECA(Efficient Channel Attention)注意を組み合わせたTransformer-based model SwinECATを提案する。 実験の結果、SwinECATは88.29%の精度を示し、重み付きF1スコアは0.88、マクロF1スコアは0.90である。
  論文  参考訳（メタデータ） (2025-07-29T15:35:46Z)
• Siamese Networks for Cat Re-Identification: Exploring Neural Models for Cat Instance Recognition [0.0]
  中国の都市移動会社ハローはこれらの問題に対処するため、ハローストリートキャットイニシアチブを立ち上げた。 このプロジェクトは、中国の14都市に2万1000以上のスマート給餌ステーションを配備し、ライブストリーミングカメラを統合し、ユーザーの寄付によって起動されるディスペンサーを治療した。 本研究では,ハローストリートキャットイニシアチブにおけるストリートキャット再同定のためのディープラーニングモデルについて検討する。
  論文  参考訳（メタデータ） (2025-01-03T21:37:49Z)
• Metadata augmented deep neural networks for wild animal classification [4.466592229376465]
  本研究では,特定のメタデータと画像データを組み合わせることにより,野生動物の分類を改善する新しいアプローチを提案する。 ノルウェーの気候に焦点を当てたデータセットを用いて、我々のモデルは既存の手法と比較して98.4%から98.9%の精度向上を示した。
  論文  参考訳（メタデータ） (2024-09-07T13:36:26Z)
• PoseBench: Benchmarking the Robustness of Pose Estimation Models under Corruptions [57.871692507044344]
  ポース推定は、単眼画像を用いて人や動物の解剖学的キーポイントを正確に同定することを目的としている。 現在のモデルは一般的に、クリーンなデータに基づいてトレーニングされ、テストされる。 実世界の腐敗に対するポーズ推定モデルの堅牢性を評価するためのベンチマークであるPoseBenchを紹介する。
  論文  参考訳（メタデータ） (2024-06-20T14:40:17Z)
• Measuring and Improving Attentiveness to Partial Inputs with Counterfactuals [91.59906995214209]
  我々は,新しい評価手法であるCAT(Facterfactual Attentiveness Test)を提案する。 CATは、入力の一部を別の例から別の例に置き換えることで、予測を変更する注意深いモデルを期待することで、反事実を使用する。 実験データの精度が向上する一方, GPT3 は実演回数の増加により注意力の低下がみられた。
  論文  参考訳（メタデータ） (2023-11-16T06:27:35Z)
• Comparing Male Nyala and Male Kudu Classification using Transfer Learning with ResNet-50 and VGG-16 [0.0]
  本稿では,プレトレーニングモデル,特にVGG-16およびResNet-50モデルの自然環境におけるオスのクドゥとオスのニヤラの同定における効率について検討する。 実験結果はVGG-16とResNet-50でそれぞれ93.2%と97.7%の精度を達成し、微調整後に両モデルで97.7%を達成した。
  論文  参考訳（メタデータ） (2023-11-10T10:43:46Z)
• Robust Contrastive Language-Image Pre-training against Data Poisoning and Backdoor Attacks [52.26631767748843]
  ROCLIPは、ターゲットデータ中毒やバックドア攻撃に対して、マルチモーダル視覚言語モデルを堅牢に学習するための最初の効果的な方法である。 ROCLIPは、比較的大きく多様なランダムキャプションのプールを考慮することにより、有毒な撮像対の関連を効果的に破壊する。 実験の結果,ROCLIPは訓練前のCLIPモデルにおいて,最先端のデータ中毒やバックドア攻撃を未然に防ぐことができることがわかった。
  論文  参考訳（メタデータ） (2023-03-13T04:49:46Z)
• Post-Processing Temporal Action Detection [134.26292288193298]
  時間的行動検出(TAD)法は、通常、入力された可変長のビデオを固定長のスニペット表現シーケンスに変換する際に、前処理のステップを踏む。 この前処理ステップは、ビデオを時間的にダウンサンプリングし、推論の解像度を低減し、元の時間分解における検出性能を阻害する。 モデルの再設計や再学習を伴わない新しいモデル非依存のポストプロセッシング手法を提案する。
  論文  参考訳（メタデータ） (2022-11-27T19:50:37Z)
• Core Risk Minimization using Salient ImageNet [53.616101711801484]
  私たちは、1000のImagenetクラスのコアとスプリアス機能をローカライズする100万人以上のソフトマスクを備えたSalient Imagenetデータセットを紹介します。 このデータセットを用いて、まず、いくつかのImagenet事前訓練されたモデル(総計42件)の素早い特徴に対する依存度を評価する。 次に、コアリスク最小化(CoRM)と呼ばれる新しい学習パラダイムを導入する。
  論文  参考訳（メタデータ） (2022-03-28T01:53:34Z)
• SuperAnimal pretrained pose estimation models for behavioral analysis [42.206265576708255]
  行動の定量化は神経科学、獣医学、動物保護活動など様々な応用において重要である。 我々は、SuperAnimalと呼ばれる新しい手法で統一基盤モデルを開発するための一連の技術革新を提案する。
  論文  参考訳（メタデータ） (2022-03-14T18:46:57Z)
• Application of deep learning to camera trap data for ecologists in planning / engineering -- Can captivity imagery train a model which generalises to the wild? [0.0]
  ディープラーニングモデルは、カメラトラップ画像内の動物を自動的に検出し、分類するように訓練することができる。 本研究は,稀少動物の画像を用いて訓練データセットを生成する手法を提案する。
  論文  参考訳（メタデータ） (2021-11-24T21:29:14Z)
• AP-10K: A Benchmark for Animal Pose Estimation in the Wild [83.17759850662826]
  一般的な動物のポーズ推定のための,最初の大規模ベンチマークであるAP-10Kを提案する。 AP-10Kは動物23種と60種から収集・濾過された10,015枚からなる。 その結果、様々な動物種からの学習の精度と一般化能力の両面での優位性に関する実験的な証拠が得られた。
  論文  参考訳（メタデータ） (2021-08-28T10:23:34Z)
• Towards Fine-grained Image Classification with Generative Adversarial Networks and Facial Landmark Detection [0.0]
  GANベースのデータ拡張を使用して、余分なデータセットインスタンスを生成します。 近年の視覚変換器 (ViT) モデルを用いて, きめ細かい画像分類の精度を評価し, 評価を行った。
  論文  参考訳（メタデータ） (2021-08-28T06:32:42Z)

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。