論文の概要: Degradation-based augmented training for robust individual animal re-identification
- arxiv url: http://arxiv.org/abs/2603.04163v1
- Date: Wed, 04 Mar 2026 15:20:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-05 21:29:15.368509
- Title: Degradation-based augmented training for robust individual animal re-identification
- Title（参考訳）: 頑健な個体再同定のための劣化に基づく強化訓練
- Authors: Thanos Polychronou, Lukáš Adam, Viktor Penchev, Kostas Papafitsoros,
- Abstract要約: 野生生物の再同定は,その微細な特異な形態的特徴に基づいて,検索画像と予め同定された個体のデータベースとをマッチングすることにより,個体の認識を目的とする。
しかし、画像中のいくつかの分解因子の存在により、個々の野生動物の識別情報が著しく減少することが多い。
そこで我々は,深部特徴抽出器の強化トレーニングフレームワークを導入し,トレーニングセット内の画像に,人工的ではあるが多様な劣化を適用した。
- 参考スコア（独自算出の注目度）: 0.8749675983608171
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Wildlife re-identification aims to recognise individual animals by matching query images to a database of previously identified individuals, based on their fine-scale unique morphological characteristics. Current state-of-the-art models for multispecies re- identification are based on deep metric learning representing individual identities by fea- ture vectors in an embedding space, the similarity of which forms the basis for a fast automated identity retrieval. Yet very often, the discriminative information of individual wild animals gets significantly reduced due to the presence of several degradation factors in images, leading to reduced retrieval performance and limiting the downstream eco- logical studies. Here, starting by showing that the extent of this performance reduction greatly varies depending on the animal species (18 wild animal datasets), we introduce an augmented training framework for deep feature extractors, where we apply artificial but diverse degradations in images in the training set. We show that applying this augmented training only to a subset of individuals, leads to an overall increased re-identification performance, under the same type of degradations, even for individuals not seen during training. The introduction of diverse degradations during training leads to a gain of up to 8.5% Rank-1 accuracy to a dataset of real-world degraded animal images, selected using human re-ID expert annotations provided here for the first time. Our work is the first to systematically study image degradation in wildlife re-identification, while introducing all the necessary benchmarks, publicly available code and data, enabling further research on this topic.
- Abstract（参考訳）: 野生生物の再同定は,その微細な特異な形態的特徴に基づいて,検索画像と予め同定された個体のデータベースとをマッチングすることにより,個体の認識を目的とする。
複数種の再識別のための現在最先端のモデルは、埋め込み空間におけるフェーアチャーベクトルによる個々のアイデンティティを表すディープメトリックラーニングに基づいており、その類似性は高速な自動識別検索の基盤となっている。
しかし、画像中のいくつかの分解因子の存在により、個々の野生動物の識別情報が著しく減少し、検索性能が低下し、下流のエコ論理研究が制限される。
ここでは,動物種(野生動物データセット18種)によって,この性能低下の程度が大きく異なることを示すことから,深部特徴抽出装置の強化トレーニングフレームワークを導入する。
この強化トレーニングを個人のサブセットにのみ適用することで、トレーニング中に見えない個人に対しても、同じタイプの劣化の下で、全体的な再識別性能が向上することを示す。
トレーニング中に多彩な劣化が導入されたことにより、人間のre-ID専門家のアノテーションを用いて初めて選択された現実世界の劣化した動物の画像のデータセットに対して、最大8.5%のランク-1の精度が向上した。
我々の研究は、野生生物の再識別における画像劣化を体系的に研究する最初のものであり、必要なベンチマーク、公開コード、データをすべて導入し、このトピックについてさらなる研究を可能にする。
関連論文リスト
- An Individual Identity-Driven Framework for Animal Re-Identification [15.381573249551181]
IndivAIDはAnimal ReID用に特別に設計されたフレームワークである。
画像特異的で個人固有のテキスト記述を生成し、動物画像を通して個々の視覚概念をフルにキャプチャする。
8つのベンチマークデータセットと現実世界のStoatデータセットにわたる最先端メソッドに対する評価は、IndivAIDの有効性と適用性を示している。
論文 参考訳（メタデータ） (2024-10-30T11:34:55Z) - OpenAnimals: Revisiting Person Re-Identification for Animals Towards Better Generalization [10.176567936487364]
本研究は,BoT,AGW,SBS,MGNなど,最先端の人物再同定手法を再検討することによって実施する。
我々は,HyenaID,LeopardID,SeaTurtleID,WhaleSharkIDなどの動物再同定ベンチマークにおいて,その有効性を評価する。
以上の結果から,いくつかの手法がうまく機能する一方で,多くの手法が一般化せず,2つの課題の間に有意な違いがあることが判明した。
textbfAnimal textbfReに適した強力な textbfBase モデルである ARBase を提案する。
論文 参考訳（メタデータ） (2024-09-30T20:07:14Z) - Synthesizing Efficient Data with Diffusion Models for Person Re-Identification Pre-Training [51.87027943520492]
本稿では,既知の同一性に基づく多様な画像の効率向上と生成を行う新しいパラダイムDiffusion-ReIDを提案する。
提案したパラダイムに適合して,まず,5,183個のIDから777K以上の画像で構成された,大規模なRe-IDデータセットDiff-Personを新たに作成する。
論文 参考訳（メタデータ） (2024-06-10T06:26:03Z) - Understanding the Impact of Training Set Size on Animal Re-identification [36.37275024049744]
本研究では,種特異的な特徴,特に個体内変異が,訓練データ要求に顕著な影響を及ぼすことを示す。
ローカル機能とエンド・ツー・エンドの学習ベースのアプローチの利点を実証する。
論文 参考訳（メタデータ） (2024-05-24T23:15:52Z) - Addressing the Elephant in the Room: Robust Animal Re-Identification with Unsupervised Part-Based Feature Alignment [44.86310789545717]
動物型Re-IDは野生生物の保護に不可欠だが、人間型Re-IDと比較すると独特な課題に直面している。
本研究では,学習段階と評価段階の背景を体系的に除去する手法を提案することにより,背景バイアスに対処する。
本手法は,ATRW,YakReID-103,ELPephantsの3種の動物Re-IDデータセットにおいて優れた結果が得られる。
論文 参考訳（メタデータ） (2024-05-22T16:08:06Z) - Markerless retro-identification complements re-identification of individual insect subjects in archived image data of biological experiments [4.396860522241306]
本研究は,動物のマーカーレスレトロ識別,新しい概念,実用技術を紹介する。
縦断的行動研究において、従来の前向きの時系列的再同定手法を補完する。
論文 参考訳（メタデータ） (2024-05-22T06:19:22Z) - LCReg: Long-Tailed Image Classification with Latent Categories based
Recognition [81.5551335554507]
本稿では,Lar-tail Recognition(LCReg)法を提案する。
我々の仮説は、頭と尾のクラスで共有される一般的な潜伏的特徴は、特徴表現を改善するために使用できるというものである。
具体的には、頭と尾の両方で共有されるクラス非依存の潜伏特徴の集合を学習し、潜伏特徴のセマンティックデータ拡張を用いてトレーニングサンプルの多様性を暗黙的に増加させる。
論文 参考訳（メタデータ） (2023-09-13T02:03:17Z) - Learning Transferable Pedestrian Representation from Multimodal
Information Supervision [174.5150760804929]
VAL-PATは、移動可能な表現を学習し、様々な歩行者分析タスクをマルチモーダル情報で強化する新しいフレームワークである。
まず、LUPerson-TAデータセットで事前トレーニングを行い、各画像にはテキストと属性アノテーションが含まれている。
次に、学習した表現を、人物のreID、人物属性認識、テキストベースの人物検索など、さまざまな下流タスクに転送する。
論文 参考訳（メタデータ） (2023-04-12T01:20:58Z) - Effective Data Augmentation With Diffusion Models [45.18188726287581]
我々は、事前訓練されたテキスト・画像拡散モデルによりパラメータ化された画像・画像変換によるデータ拡張の多様性の欠如に対処する。
本手法は,市販の拡散モデルを用いて画像のセマンティクスを編集し,いくつかのラベル付き例から新しい視覚概念に一般化する。
本手法は,実世界の雑草認識タスクと数ショット画像分類タスクにおいて評価し,テスト領域における精度の向上を観察する。
論文 参考訳（メタデータ） (2023-02-07T20:42:28Z) - Long-tailed Recognition by Learning from Latent Categories [70.6272114218549]
本稿ではLatent Categories based long-tail Recognition (LCReg)法を提案する。
具体的には、頭と尾のクラス間で共有されるクラスに依存しない潜在機能群を学習する。
次に、潜在機能に意味データ拡張を適用することで、トレーニングサンプルの多様性を暗黙的に強化する。
論文 参考訳（メタデータ） (2022-06-02T12:19:51Z) - Unsupervised Pre-training for Person Re-identification [90.98552221699508]
大規模無ラベル人物再識別(Re-ID)データセットLUPersonを提案する。
学習者のRe-ID特徴表現の一般化能力を向上させるために,教師なし事前学習を初めて行おうとする。
論文 参考訳（メタデータ） (2020-12-07T14:48:26Z) - Automatic image-based identification and biomass estimation of
invertebrates [70.08255822611812]
時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。
我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。
分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
論文 参考訳（メタデータ） (2020-02-05T21:38:57Z)
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。