論文の概要: CCoMAML: Efficient Cattle Identification Using Cooperative Model-Agnostic Meta-Learning

• arxiv url: http://arxiv.org/abs/2509.11219v1
• Date: Sun, 14 Sep 2025 11:35:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:22.981624
• Title: CCoMAML: Efficient Cattle Identification Using Cooperative Model-Agnostic Meta-Learning
• Title（参考訳）: CCoMAML:協調型メタラーニングを用いた効率的な乳牛の同定
• Authors: Rabin Dulal, Lihong Zheng, Ashad Kabir,
• Abstract要約: 牛の識別は効率的な畜産管理に重要である。 人間の指紋に似た牛の銃口パターンを用いた生体認証が,有望な解決法として浮上している。 本稿では,牛のリアルタイム識別のための新しい数発学習フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Cattle identification is critical for efficient livestock farming management, currently reliant on radio-frequency identification (RFID) ear tags. However, RFID-based systems are prone to failure due to loss, damage, tampering, and vulnerability to external attacks. As a robust alternative, biometric identification using cattle muzzle patterns similar to human fingerprints has emerged as a promising solution. Deep learning techniques have demonstrated success in leveraging these unique patterns for accurate identification. But deep learning models face significant challenges, including limited data availability, disruptions during data collection, and dynamic herd compositions that require frequent model retraining. To address these limitations, this paper proposes a novel few-shot learning framework for real-time cattle identification using Cooperative Model-Agnostic Meta-Learning (CCoMAML) with Multi-Head Attention Feature Fusion (MHAFF) as a feature extractor model. This model offers great model adaptability to new data through efficient learning from few data samples without retraining. The proposed approach has been rigorously evaluated against current state-of-the-art few-shot learning techniques applied in cattle identification. Comprehensive experimental results demonstrate that our proposed CCoMAML with MHAFF has superior cattle identification performance with 98.46% and 97.91% F1 scores.
• Abstract（参考訳）: 乳牛の識別は家畜の効率的な農業経営において重要であり、現在RFID (Radio- frequency Identification) の耳のタグに依存している。 しかし、RFIDベースのシステムは、損失、損傷、改ざん、および外部攻撃に対する脆弱性によって故障しがちである。 堅牢な代替手段として、人間の指紋に似た牛の銃口パターンを用いた生体認証が有望な解決策として浮上している。 ディープラーニング技術は、これらのユニークなパターンを正確な識別に活用することに成功した。 しかし、ディープラーニングモデルは、データ可用性の制限、データ収集時の破壊、頻繁なモデル再トレーニングを必要とする動的群構成など、重大な課題に直面している。 本稿では,MHAFFを特徴抽出モデルとして,協調型モデル非依存型メタラーニング(CCoMAML)を用いた実時間牛の識別のための新しい数発学習フレームワークを提案する。 このモデルは、再トレーニングせずに、少数のデータサンプルから効率的に学習することで、新しいデータに対する優れたモデル適合性を提供します。 提案手法は,牛の識別に応用された現在最先端の数発学習技術に対して厳格に評価されている。 MHAFFを用いたCCoMAMLは,98.46%,97.91%のF1スコアで牛の識別性能に優れていた。

関連論文リスト

• When Language Model Guides Vision: Grounding DINO for Cattle Muzzle Detection [0.48429188360918735]
  グラウンドディングDINOは、タスク固有のトレーニングや注釈付きデータなしで銃口を検出する視覚言語モデルである。 我々のモデルは平均平均精度(mAP)@0.5の76.8%を達成し、注釈付きデータを必要としない有望な性能を示す。
  論文  参考訳（メタデータ） (2025-09-08T08:21:34Z)
• Identify Backdoored Model in Federated Learning via Individual Unlearning [7.200910949076064]
  裏口攻撃は、フェデレートラーニング(FL)の堅牢性に重大な脅威をもたらす FLにおける悪意のあるモデルを特定するために,ローカルモデル上で個別の未学習を利用する手法であるMASAを提案する。 私たちの知る限りでは、FLの悪意あるモデルを特定するために機械学習を活用するのはこれが初めてです。
  論文  参考訳（メタデータ） (2024-11-01T21:19:47Z)
• A Discrepancy Aware Framework for Robust Anomaly Detection [51.710249807397695]
  本稿では,DAF(Disdisrepancy Aware Framework)を提案する。 本手法は,デコーダの欠陥同定に外見に依存しないキューを利用して,その合成外観への依存を緩和する。 単純な合成戦略の下では,既存の手法を大きなマージンで上回り,また,最先端のローカライゼーション性能も達成している。
  論文  参考訳（メタデータ） (2023-10-11T15:21:40Z)
• Unleashing Mask: Explore the Intrinsic Out-of-Distribution Detection Capability [70.72426887518517]
  Out-of-Distribution(OOD)検出は、機械学習モデルを現実世界のアプリケーションにデプロイする際に、セキュアAIの必須の側面である。 本稿では,IDデータを用いた学習モデルのOOD識別能力を復元する新しい手法であるUnleashing Maskを提案する。 本手法では, マスクを用いて記憶した非定型サンプルを抽出し, モデルを微調整するか, 導入したマスクでプルーする。
  論文  参考訳（メタデータ） (2023-06-06T14:23:34Z)
• A Systematic Review of Machine Learning Techniques for Cattle Identification: Datasets, Methods and Future Directions [3.758089106630537]
  本稿では,視覚に基づく牛の識別の体系的文献レビュー(SLR)を行う。 このSLRは、機械学習(ML)とディープラーニング(DL)を用いて、牛の識別に関する研究を識別し、分析することである。
  論文  参考訳（メタデータ） (2022-10-13T14:10:12Z)
• Cluster-level pseudo-labelling for source-free cross-domain facial expression recognition [94.56304526014875]
  表情認識のためのSFUDA法を提案する。 本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。 提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-11T08:24:50Z)
• Impact of Channel Variation on One-Class Learning for Spoof Detection [5.549602650463701]
  スポット検出はASVシステムの信頼性を高めるが、チャネルの変動により著しく低下する。 MCTに最適なデータ供給戦略は何か?スプーフ検出では分かっていない。 本研究は、データ供給とミニバッチの低重要度プロセスが、より良いパフォーマンスのために改善する必要性の認識を高めることの関連性を強調した。
  論文  参考訳（メタデータ） (2021-09-30T07:56:16Z)
• Contrastive Model Inversion for Data-Free Knowledge Distillation [60.08025054715192]
  そこで、データ多様性を最適化可能な目的として明示的にモデル化するContrastive Model Inversionを提案します。 我々の主な観察では、同じ量のデータの制約の下では、高いデータの多様性は、通常より強いインスタンス識別を示す。 CIFAR-10, CIFAR-100, Tiny-ImageNetを用いた実験により, 生成したデータを知識蒸留に使用する場合, CMIは極めて優れた性能を示すことが示された。
  論文  参考訳（メタデータ） (2021-05-18T15:13:00Z)
• Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for Thoracic Disease Identification [83.6017225363714]
  ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。 胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。 本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
  論文  参考訳（メタデータ） (2021-02-26T02:29:30Z)
• Visual Identification of Individual Holstein-Friesian Cattle via Deep Metric Learning [8.784100314325395]
  ホルシュタイン・フリーズ産の牛は、チューリングの反応拡散系から生じたものと類似した、個々の特性の白黒のコートパターンを視覚的に示す。 この研究は、畳み込みニューラルネットワークとディープメトリック学習技術を介して、個々のホルシュタイン・フリース人の視覚的検出と生体認証を自動化するために、これらの自然なマーキングを利用する。
  論文  参考訳（メタデータ） (2020-06-16T14:41:55Z)
• Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant Disease Diagnosis [64.82680813427054]
  植物病は食料安全保障と作物生産に対する主要な脅威の1つである。 1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。 本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-17T09:51:30Z)

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。