論文の概要: A Multi-purpose Tracking Framework for Salmon Welfare Monitoring in Challenging Environments

• arxiv url: http://arxiv.org/abs/2509.25969v1
• Date: Tue, 30 Sep 2025 09:05:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-01 14:45:00.075053
• Title: A Multi-purpose Tracking Framework for Salmon Welfare Monitoring in Challenging Environments
• Title（参考訳）: 密集環境におけるサケの福祉モニタリングのための多目的追跡フレームワーク
• Authors: Espen Uri Høgstedt, Christian Schellewald, Annette Stahl, Rudolf Mester,
• Abstract要約: 本研究では、ポーズ推定ネットワークを用いて、サーモンとその対応する身体部位を囲む境界ボックスを抽出するフレキシブルな追跡フレームワークを提案する。 我々は2つのサーモン追跡課題を評価する2つの新しいデータセットを構築した。 本手法は,現在最先端の歩行者トラッカーであるBoostTrackよりも,両サーモントラッカーの課題に優れる。
• 参考スコア（独自算出の注目度）: 1.1879560078316007
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Computer Vision (CV)-based continuous, automated and precise salmon welfare monitoring is a key step toward reduced salmon mortality and improved salmon welfare in industrial aquaculture net pens. Available CV methods for determining welfare indicators focus on single indicators and rely on object detectors and trackers from other application areas to aid their welfare indicator calculation algorithm. This comes with a high resource demand for real-world applications, since each indicator must be calculated separately. In addition, the methods are vulnerable to difficulties in underwater salmon scenes, such as object occlusion, similar object appearance, and similar object motion. To address these challenges, we propose a flexible tracking framework that uses a pose estimation network to extract bounding boxes around salmon and their corresponding body parts, and exploits information about the body parts, through specialized modules, to tackle challenges specific to underwater salmon scenes. Subsequently, the high-detail body part tracks are employed to calculate welfare indicators. We construct two novel datasets assessing two salmon tracking challenges: salmon ID transfers in crowded scenes and salmon ID switches during turning. Our method outperforms the current state-of-the-art pedestrian tracker, BoostTrack, for both salmon tracking challenges. Additionally, we create a dataset for calculating salmon tail beat wavelength, demonstrating that our body part tracking method is well-suited for automated welfare monitoring based on tail beat analysis. Datasets and code are available at https://github.com/espenbh/BoostCompTrack.
• Abstract（参考訳）: コンピュータビジョン(CV)をベースとした,サケの死亡率の低減と,産業用養殖網ペンのサケの福祉改善に向けた重要なステップである。 福祉指標を決定するためのCV法は、単一の指標に焦点をあて、他の応用分野からのオブジェクト検出器やトラッカーに頼り、福祉指標計算アルゴリズムを補助する。 これは、各指標を別々に計算する必要があるため、現実世界のアプリケーションに対する高いリソース需要が伴う。 さらに、この手法は、物体の閉塞、類似した物体の外観、類似した物体の動きなど、水中のサーモンシーンの難易度に弱い。 これらの課題に対処するために、ポーズ推定ネットワークを用いて、サーモンとその対応する身体部分のバウンディングボックスを抽出し、特殊なモジュールを通して、身体部分に関する情報を活用し、水中のサーモンシーンに特有の課題に取り組むフレキシブルな追跡フレームワークを提案する。 その後、厚生指標を計算するために、高深度ボディ部トラックが使用される。 本研究では,2つのサーモン追跡課題を評価する2つの新しいデータセットを構築した。 本手法は,現在最先端の歩行者トラッカーであるBoostTrackよりも,両サーモントラッカーの課題に優れる。 さらに、サケの尾のビート波長を計算するデータセットを作成し、尾のビート分析に基づく自動福祉モニタリングに身体部分追跡法が適していることを示す。 データセットとコードはhttps://github.com/espenbh/BoostCompTrack.comで入手できる。

関連論文リスト

• Counting Fish with Temporal Representations of Sonar Video [15.713015426791221]
  本稿では,エコー図解析に基づく魚数計測のための軽量なコンピュータビジョン手法を提案する。 アラスカのケナイ川から得られた代表データに対して23%のカウント誤差を達成し,本手法の有効性を実証した。
  論文  参考訳（メタデータ） (2025-02-07T18:02:28Z)
• Underwater Camouflaged Object Tracking Meets Vision-Language SAM2 [60.47622353256502]
  本研究は,UW-COT220という大規模水中カモフラージュ型物体追跡データセットを提案する。 提案したデータセットに基づいて、本研究はまず、水中環境に挑戦するSAMとSAM2ベースのトラッカーを含む、現在の高度な視覚オブジェクト追跡手法を評価する。 本研究はSAM2よりもSAM2を改良し,水中カモフラージュ物体の複雑度を処理できることを実証した。
  論文  参考訳（メタデータ） (2024-09-25T13:10:03Z)
• Multi-Object Tracking by Iteratively Associating Detections with Uniform Appearance for Trawl-Based Fishing Bycatch Monitoring [22.228127377617028]
  漁業活動における漁獲監視の目的は、映像から魚の標的をリアルタイムで検出し、追跡し、分類することである。 本稿では,既存の観測中心追跡アルゴリズムに基づく新しいMOT手法を提案する。 本手法は,海洋魚種群およびMOT17種群において,一様外観の追跡目標の性能向上と最先端技術の向上を図っている。
  論文  参考訳（メタデータ） (2023-04-10T18:55:10Z)
• Unsupervised Learning of Accurate Siamese Tracking [68.58171095173056]
  分類枝と回帰枝の両方で時間対応を学習できる新しい教師なし追跡フレームワークを提案する。 トラッカーは、トラッカーネットやLaSOTのような大規模データセット上で、教師なしの手法と同等の性能を発揮する。
  論文  参考訳（メタデータ） (2022-04-04T13:39:43Z)
• A Survey of Fish Tracking Techniques Based on Computer Vision [11.994865945394139]
  本稿では,過去7年間の魚類追跡技術の進歩を概観する。 基本的位置決めと追跡方法に重点を置き、多様な魚の追跡手法を探求する。 また、オープンソースのデータセット、評価指標、課題、魚の追跡研究への応用についても要約している。
  論文  参考訳（メタデータ） (2021-10-06T07:46:35Z)
• FishNet: A Unified Embedding for Salmon Recognition [0.37798600249187286]
  そこで我々は,人間の識別に成功している深層学習技術に基づく魚網を提案する。 実験の結果,このアーキテクチャはサルモン頭部の画像に基づいて有用な表現を学習していることがわかった。 FishNetは偽陽性率1%、真陽性率96%を達成している。
  論文  参考訳（メタデータ） (2020-10-20T17:35:01Z)
• Self-supervised Object Tracking with Cycle-consistent Siamese Networks [55.040249900677225]
  我々は、オブジェクト追跡のためのサイクル一貫性の自己監視フレームワークにおいて、エンドツーエンドのSiameseネットワークを利用する。 トラッキングフレームワークにシームズ領域の提案とマスク回帰ネットワークを統合することで,各フレームのアノテーションを使わずに,より高速で正確なトラッカーを学習できるようにすることを提案する。
  論文  参考訳（メタデータ） (2020-08-03T04:10:38Z)
• Unsupervised Deep Representation Learning for Real-Time Tracking [137.69689503237893]
  視覚追跡のための教師なし学習手法を提案する。 教師なし学習の動機は、ロバストなトラッカーが双方向トラッキングに有効であるべきだということです。 我々は,シームズ相関フィルタネットワーク上にフレームワークを構築し,教師なし学習を容易にするために,多フレーム検証方式とコスト感受性損失を提案する。
  論文  参考訳（メタデータ） (2020-07-22T08:23:12Z)

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。