論文の概要: ReefNet: A Large scale, Taxonomically Enriched Dataset and Benchmark for Hard Coral Classification

• arxiv url: http://arxiv.org/abs/2510.16822v1
• Date: Sun, 19 Oct 2025 13:18:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:39.166958
• Title: ReefNet: A Large scale, Taxonomically Enriched Dataset and Benchmark for Hard Coral Classification
• Title（参考訳）: ReefNet: 大規模で分類学的にリッチなデータセットとハードコーラル分類のためのベンチマーク
• Authors: Yahia Battach, Abdulwahab Felemban, Faizan Farooq Khan, Yousef A. Radwan, Xiang Li, Fabio Marchese, Sara Beery, Burton H. Jones, Francesca Benzoni, Mohamed Elhoseiny,
• Abstract要約: 我々は,世界海洋生物登録簿 (WoRMS) にマッピングされたポイントラベルアノテーションを備えたサンゴ礁画像データセットであるReefNetを紹介した。 ReefNetは、76のキュレートされたCoralNetソースと、Red SeaのAl Wajhから追加のサイトからの画像を集約する。 ReefNetにおける教師付き分類性能とゼロショット分類性能の両方を分析し、教師付きイントラソース性能が有望である一方で、教師付き性能はドメイン間で急激に低下することを示した。
• 参考スコア（独自算出の注目度）: 32.33672517443114
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Coral reefs are rapidly declining due to anthropogenic pressures such as climate change, underscoring the urgent need for scalable, automated monitoring. We introduce ReefNet, a large public coral reef image dataset with point-label annotations mapped to the World Register of Marine Species (WoRMS). ReefNet aggregates imagery from 76 curated CoralNet sources and an additional site from Al Wajh in the Red Sea, totaling approximately 925000 genus-level hard coral annotations with expert-verified labels. Unlike prior datasets, which are often limited by size, geography, or coarse labels and are not ML-ready, ReefNet offers fine-grained, taxonomically mapped labels at a global scale to WoRMS. We propose two evaluation settings: (i) a within-source benchmark that partitions each source's images for localized evaluation, and (ii) a cross-source benchmark that withholds entire sources to test domain generalization. We analyze both supervised and zero-shot classification performance on ReefNet and find that while supervised within-source performance is promising, supervised performance drops sharply across domains, and performance is low across the board for zero-shot models, especially for rare and visually similar genera. This provides a challenging benchmark intended to catalyze advances in domain generalization and fine-grained coral classification. We will release our dataset, benchmarking code, and pretrained models to advance robust, domain-adaptive, global coral reef monitoring and conservation.
• Abstract（参考訳）: 気候変動などの人為的な圧力によりサンゴ礁は急速に減少しており、スケーラブルで自動化された監視の必要性を浮き彫りにしている。 我々は,世界海洋生物登録簿 (WoRMS) にマッピングされたポイントラベルアノテーションを備えたサンゴ礁画像データセットであるReefNetを紹介した。 ReefNetは、76のキュレートされたCoralNetソースと、Red SeaのAl Wajhからの追加のサイトからの画像を集約し、およそ925,000の属レベルの硬いサンゴのアノテーションと専門家が検証したラベルを収集する。 サイズ、地理的、または粗いラベルによって制限され、ML対応ではない以前のデータセットとは異なり、ReefNetは細粒度で分類学的にマッピングされたラベルを世界規模でWoRMSに提供している。 評価設定は2つ提案する。 (i)各ソースの画像をローカライズされた評価のために分割するイントラソースベンチマーク、 (ii) ドメインの一般化をテストするために全ソースを保持するクロスソースベンチマーク。 我々はReefNetの教師付き分類性能とゼロショット分類性能の両方を分析し、教師付きイントラソース性能が有望である一方で、教師付き性能はドメイン間で急激に低下し、特に稀で視覚的に類似した遺伝子に対して、ゼロショットモデルではボード全体で性能が低いことを発見した。 これは、ドメインの一般化ときめ細かいサンゴの分類の進歩を触媒することを目的とした、挑戦的なベンチマークを提供する。 私たちは、堅牢でドメイン適応的でグローバルなサンゴ礁のモニタリングと保護を進めるために、データセット、ベンチマークコード、事前訓練されたモデルをリリースします。

関連論文リスト

• The Coralscapes Dataset: Semantic Scene Understanding in Coral Reefs [4.096374910845255]
  本研究はサンゴ礁において,2075のイメージ,39のベントニッククラス,174kのセグメンテーションマスクを含む汎用的なセグメンテーションデータセットを初めて公開する。 我々は、幅広いセマンティックセグメンテーションモデルをベンチマークし、Coralscapesから既存の小さなデータセットへの変換学習が一貫して最先端のパフォーマンスをもたらすことを発見した。 Coralscapesは、コンピュータビジョンに基づく効率よくスケーラブルで標準化されたサンゴ礁の調査方法の研究を触媒し、水中の生態学ロボットの開発を効率化する可能性を秘めている。
  論文  参考訳（メタデータ） (2025-03-25T18:33:59Z)
• CoralSCOP-LAT: Labeling and Analyzing Tool for Coral Reef Images with Dense Mask [20.267378309290116]
  CoralSCOP-LATはサンゴのイメージ分析とラベル付けツールで、サンゴの領域を自動的に分割し分析する。 評価の結果,CoralSCOP-LATは時間効率,精度,精度,柔軟性の観点から既存のサンゴ礁解析ツールを上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-10-27T13:26:44Z)
• Deep learning for multi-label classification of coral conditions in the Indo-Pacific via underwater photogrammetry [24.00646413446011]
  本研究はインド太平洋におけるサンゴの一般的な条件と関連するストレスを表わしたデータセットを作成する。 既存の分類アルゴリズムを評価し、サンゴの条件を自動的に検出し、生態情報を抽出する新しいマルチラベル手法を提案した。 提案手法はサンゴの条件を, 健康, 危害, 死, 汚物として正確に分類する。
  論文  参考訳（メタデータ） (2024-03-09T14:42:16Z)
• CoralVOS: Dataset and Benchmark for Coral Video Segmentation [12.434773034255455]
  第1図で示すような大規模サンゴビデオセグメンテーションデータセット(textbfCoralVOS)を提案する。 我々はCoralVOSデータセットで、最新の6つの最先端ビデオオブジェクトセグメンテーション(VOS)アルゴリズムを含む実験を行いました。 その結果,セグメンテーション精度がさらに向上する可能性がまだ高いことがわかった。
  論文  参考訳（メタデータ） (2023-10-03T10:45:37Z)
• 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)
• Calibrating Class Activation Maps for Long-Tailed Visual Recognition [60.77124328049557]
  本稿では,CNNの長期分布からネットワーク学習を改善するための2つの効果的な修正を提案する。 まず,ネットワーク分類器の学習と予測を改善するために,CAMC (Class Activation Map) モジュールを提案する。 第2に,長期化問題における表現学習における正規化分類器の利用について検討する。
  論文  参考訳（メタデータ） (2021-08-29T05:45:03Z)
• Joint Visual and Temporal Consistency for Unsupervised Domain Adaptive Person Re-Identification [64.37745443119942]
  本稿では,局所的なワンホット分類とグローバルなマルチクラス分類を組み合わせることで,視覚的・時間的整合性を両立させる。 3つの大規模ReIDデータセットの実験結果は、教師なしと教師なしの両方のドメイン適応型ReIDタスクにおいて提案手法の優位性を示す。
  論文  参考訳（メタデータ） (2020-07-21T14:31:27Z)

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。