論文の概要: An interpretable framework using foundation models for fish sex identification

• arxiv url: http://arxiv.org/abs/2602.19022v1
• Date: Sun, 22 Feb 2026 03:21:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.448421
• Title: An interpretable framework using foundation models for fish sex identification
• Title（参考訳）: 魚類性識別のための基礎モデルを用いた解釈可能な枠組み
• Authors: Zheng Miao, Tien-Chieh Hung,
• Abstract要約: デルタ・スメルト(Hypomesus transpacificus)の性識別のための非侵襲的コンピュータビジョンに基づくフレームワーク、FishProtoNetを提案する。 FishProtoNetは、学習したプロトタイプ表現を通じて解釈可能性を提供し、基礎モデルを活用してバックグラウンドノイズの影響を低減することで堅牢性を向上させる。 FishProtoNetは、早産と産卵後の段階でデルタスメルト性識別に強いパフォーマンスを示す。
• 参考スコア（独自算出の注目度）: 0.3867363075280543
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate sex identification in fish is vital for optimizing breeding and management strategies in aquaculture, particularly for species at the risk of extinction. However, most existing methods are invasive or stressful and may cause additional mortality, posing severe risks to threatened or endangered fish populations. To address these challenges, we propose FishProtoNet, a robust, non-invasive computer vision-based framework for sex identification of delta smelt (Hypomesus transpacificus), an endangered fish species native to California, across its full life cycle. Unlike the traditional deep learning methods, FishProtoNet provides interpretability through learned prototype representations while improving robustness by leveraging foundation models to reduce the influence of background noise. Specifically, the FishProtoNet framework consists of three key components: fish regions of interest (ROIs) extraction using visual foundation model, feature extraction from fish ROIs and fish sex identification based on an interpretable prototype network. FishProtoNet demonstrates strong performance in delta smelt sex identification during early spawning and post-spawning stages, achieving the accuracies of 74.40% and 81.16% and corresponding F1 scores of 74.27% and 79.43% respectively. In contrast, delta smelt sex identification at the subadult stage remains challenging for current computer vision methods, likely due to less pronounced morphological differences in immature fish. The source code of FishProtoNet is publicly available at: https://github.com/zhengmiao1/Fish_sex_identification
• Abstract（参考訳）: 魚類における正確な性識別は、水生栽培における繁殖と管理戦略の最適化、特に絶滅のリスクがある種にとって不可欠である。 しかし、既存の方法の多くは侵略的またはストレス的であり、さらなる死亡を引き起こす可能性があり、絶滅危惧種や絶滅危惧種に深刻なリスクをもたらす。 これらの課題に対処するために,カリフォルニア原産の絶滅危惧種であるデルタ・スメルト(Hypomesus transpacificus)の性識別のための,堅牢で非侵襲的なコンピュータビジョンベースのフレームワークであるFishProtoNetを提案する。 従来のディープラーニング手法とは異なり、FishProtoNetは学習したプロトタイプ表現を通じて解釈可能性を提供し、基礎モデルを活用して背景雑音の影響を低減することで堅牢性を向上させる。 具体的には、魚の興味領域(ROI)抽出と、魚のROIの特徴抽出と、解釈可能なプロトタイプネットワークに基づく魚の性識別の3つの主要な構成要素で構成されている。 FishProtoNetは、早産期と産卵期のデルタスメルト性識別において、74.40%と81.16%のアキュラシーを達成し、それぞれ74.27%と79.43%のF1スコアを達成している。 対照的に、サブアダルト段階でのデルタ・スメルト性識別は、おそらく未成熟魚の形態的差異が低いため、現在のコンピュータビジョン法では難しいままである。 FishProtoNetのソースコードは、https://github.com/zhengmiao1/Fish_sex_identificationで公開されている。

関連論文リスト

• Jellyfish Species Identification: A CNN Based Artificial Neural Network Approach [0.0]
  クラゲは海洋生態系の維持に重要な役割を担っているが、生物多様性と保全に重大な課題を生んでいる。 本研究では,水中画像データセットを用いたクラゲ種検出・分類のための深層学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-15T09:10:36Z)
• Flatfish Lesion Detection Based on Part Segmentation Approach and Lesion Image Generation [0.5937476291232799]
  ヒラメは、世界中で大量に消費される主要な養殖種である。 伝統的に、視覚検査によって病変が検出されるが、多数の魚を観察することは困難である。 本研究は, 生成的対向ネットワークと画像調和法を用いて, 魚の病変像を増強する。
  論文  参考訳（メタデータ） (2024-07-16T03:32:10Z)
• RoFIR: Robust Fisheye Image Rectification Framework Impervious to Optical Center Deviation [88.54817424560056]
  局所歪みの度合いと方向を測定する歪みベクトルマップ(DVM)を提案する。 DVMを学習することで、大域的な歪みパターンに頼ることなく、各ピクセルの局所歪みを独立に識別することができる。 事前学習段階では、歪みベクトルマップを予測し、各画素の局所歪み特徴を知覚する。 微調整段階では、魚眼画像修正のための画素単位のフローマップを予測する。
  論文  参考訳（メタデータ） (2024-06-27T06:38:56Z)
• Egocentric Whole-Body Motion Capture with FisheyeViT and Diffusion-Based Motion Refinement [65.08165593201437]
  本研究では,人体と手の動きを同時に推定する単一魚眼カメラを用いて,自我中心型全体モーションキャプチャーを探索する。 この課題は、高品質なデータセットの欠如、魚眼カメラの歪み、人間の身体の自己閉塞など、重大な課題を提起する。 そこで本研究では,魚眼画像の特徴を3次元人体ポーズ予測のための3次元熱マップ表現に変換した魚眼画像の特徴を抽出する手法を提案する。
  論文  参考訳（メタデータ） (2023-11-28T07:13:47Z)
• TempNet: Temporal Attention Towards the Detection of Animal Behaviour in Videos [63.85815474157357]
  本稿では,映像中の生物学的行動を検出するための,効率的なコンピュータビジョンと深層学習に基づく手法を提案する。 TempNetはエンコーダブリッジと残留ブロックを使用して、2段階の空間的、そして時間的、エンコーダでモデル性能を維持する。 本研究では,サブルフィッシュ (Anoplopoma fimbria) 幼虫の検出への応用を実証する。
  論文  参考訳（メタデータ） (2022-11-17T23:55:12Z)
• Fish Disease Detection Using Image Based Machine Learning Technique in Aquaculture [0.971137838903781]
  養殖における魚の病気は栄養の安全にとって重大な危険である。 画像の前処理とセグメンテーションはノイズを低減し、画像を誇張するために適用されている。 第二部では、機械学習のサポートベクトルマシン(SVM)アルゴリズムの助けを借りて疾患を分類するための関連する特徴を抽出します。
  論文  参考訳（メタデータ） (2021-05-09T13:22:44Z)
• ES-Net: Erasing Salient Parts to Learn More in Re-Identification [46.624740579314924]
  画像中の有意領域を消去することで包括的特徴を学習するための新しいネットワーク「Easing-Salient Net (ES-Net)」を提案する。 ES-Netは3つのPerson re-IDベンチマークと2つのVine re-IDベンチマークで最先端の手法より優れています。
  論文  参考訳（メタデータ） (2021-03-10T08:19:46Z)
• Movement Tracks for the Automatic Detection of Fish Behavior in Videos [63.85815474157357]
  水中ビデオでサブルフィッシュ(Anoplopoma fimbria)の発芽行動のデータセットを提供し,その上での深層学習(DL)法による行動検出について検討した。 提案する検出システムは,Long Short-Term Memory(LSTM)ネットワークを用いて,サブルフィッシュの起動動作を識別する。
  論文  参考訳（メタデータ） (2020-11-28T05:51:19Z)
• 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)

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。