論文の概要: Community-aware evaluation and threshold calibration for open-set plankton image recognition

• arxiv url: http://arxiv.org/abs/2605.15835v1
• Date: Fri, 15 May 2026 10:42:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-18 21:22:26.256408
• Title: Community-aware evaluation and threshold calibration for open-set plankton image recognition
• Title（参考訳）: オープンセットプランクトン画像認識のためのコミュニティ認識としきい値校正
• Authors: Xi Chen, Eryuan Huang, Yingjun Xiao, Gang Fang,
• Abstract要約: オープンセット認識法は通常、AUROC、AUPR、FPR@95%未知の操作点などのサンプルレベルのメトリクスで評価される。 本研究では,制御された擬似コミュニティと3つのデータセットのミスマッチについて検討した。
• 参考スコア（独自算出の注目度）: 3.9551326054249256
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated plankton image recognition is increasingly used in aquatic ecosystem monitoring, but deployed classifiers inevitably encounter unseen taxa and non-target particles. Open-set recognition methods are usually evaluated with sample-level metrics such as AUROC, AUPR, and FPR@95% unknown-recall operating points, whereas ecological monitoring depends on community-level estimates of taxon abundance and diversity. This study examines the mismatch between these objectives using controlled pseudo-communities and three datasets spanning marine zooplankton imaged by ZooScan, marine phytoplankton imaged by IFCB, and freshwater plankton imaged by an in-situ camera. We define Open-Set Community Distortion (OSCD), a Bray-Curtis-style error over known taxa plus an unknown bin, with directional components distinguishing known-taxon overestimation from underestimation. Closed-set classifiers achieved high known-class accuracy, but unknown samples were often absorbed with high confidence and in structured ways. Sample-level OOD metrics were not sufficient to select ecological operating points: for MSP, FPR@95% unknown-recall thresholds produced large test-community OSCD on all three datasets mainly because true known taxa were over-rejected into the unknown bin. Community-aware threshold calibration reduced MSP OSCD relative to fixed 95% known recall on SYKE-ZooScan 2024 and SYKE-IFCB 2022; on ZooLake the fixed-recall baseline was already close to the community-aware threshold, and the best community-level method was a prototype-distance variant rather than MSP. The benefit of community-aware calibration therefore depends on validation-community representativeness and the gap between fixed recall and the community optimum. These results show that open-set plankton recognition should be evaluated as an ecological measurement problem, not only as a sample-level detection task.
• Abstract（参考訳）: 自動プランクトン画像認識は、水生生態系モニタリングにおいてますます使われるが、展開された分類器は、必然的に目に見えない分類群や非標的粒子に遭遇する。 オープンセット認識法は通常、AUROC、AUPR、FPR@95%未知の操作点などのサンプルレベルの指標で評価される。 本研究は,ZooScan による海洋動物プランクトン,IFCB による海洋植物プランクトン,in-situ カメラによる淡水プランクトンを用いて,これらの目的のミスマッチについて検討した。 我々は、未知のビンに加えて、既知のタキソン過大評価と過小評価を区別する方向成分を持つ、既知のタキソンに対するブレイ・カーティス式エラーであるオープンセットコミュニティ歪み(OSCD)を定義した。 クローズドセット分類器は、高い既知のクラス精度を達成したが、未知のサンプルはしばしば高い信頼性と構造的な方法で吸収された。 MSPでは、FPR@95%の未知のリコールしきい値が3つのデータセットすべてに対して大きなテストコミュニティOSCDを生成した。 SYKE-ZooScan 2024とSYKE-IFCB 2022の95%の既知リコールと比較して、コミュニティ対応しきい値のキャリブレーションによりMSP OSCDは減少し、ZooLakeでは、固定リコールベースラインはすでにコミュニティ対応しきい値に近かった。 コミュニティ対応キャリブレーションの利点は、バリデーション・コミュニティの代表性と、固定リコールとコミュニティ最適のギャップに依存する。 これらの結果から, オープンセットプランクトン認識は, サンプルレベルの検出だけでなく, 生態学的問題として評価されるべきであることが示唆された。

関連論文リスト

• Architecture-agnostic Lipschitz-constant Bayesian header and its application to resolve semantically proximal classification errors with vision transformers [0.0]
  この研究は、アーキテクチャに依存しないリプシッツ・コンスタント・ベイジアンヘッダを示し、視覚変換器のような特徴抽出器に統合することができる。 また,不確実性と不確かさを誤分類率で捉えるための新しい指標と,適応型算術・平均融合方式を提案する。 モンテカルロサンプリングにより計算コストは上昇するが、事前に訓練されたバックボーンとのプラグ・アンド・プレイの互換性を提供する。
  論文  参考訳（メタデータ） (2026-05-07T09:18:06Z)
• Multi-Representation Attention Framework for Underwater Bioacoustic Denoising and Recognition [0.924965746838578]
  生体関連エネルギーのソフトマスクを生成するために、まずスペクトログラムをセグメント化する多段階の注意誘導フレームワークを導入する。 画像とマスクの埋め込みは、中間レベルの融合によって統合され、モデルが正常なスペクトル領域に集中できるようにする。 カナダのセイグネイ・セントローレンス海洋公園研究ステーションの実際の記録を用いて、セグメンテーション駆動の注意と中級核融合が信号の識別を改善することを実証した。
  論文  参考訳（メタデータ） (2025-10-29T22:49:15Z)
• Benchmarking Out-of-Distribution Detection for Plankton Recognition: A Systematic Evaluation of Advanced Methods in Marine Ecological Monitoring [7.81301475739378]
  本稿では,DYB-PlanktonNetデータセット cite875n-f104-21 に基づいて,様々な分散シフトシナリオをシミュレートしたOoDベンチマークを慎重に設計する。 実験により、VIM citewang2022vim法は、構築したベンチマークにおいて、他の手法よりも大幅に優れていることが示された。 本研究は,プランクトン認識におけるアウト・オブ・ディストリビューションデータ検出手法の大規模かつ系統的な評価と解析を行った最初の事例である。
  論文  参考訳（メタデータ） (2025-10-20T05:50:13Z)
• A Compound Classification System Based on Fuzzy Relations Applied to the Noise-Tolerant Control of a Bionic Hand via EMG Signal Recognition [0.0]
  著者らは, 汚染バイオシグナールの検出による手指義手制御を目的とした新しい認識システムを提案する。 全ての認識システムに対して、認識プロセス全体で均一なソフト(ファジィ)決定スキームを使用できる、元のコヒーレントなファジィモデルが開発された。
  論文  参考訳（メタデータ） (2025-09-24T19:48:21Z)
• Open-Set Plankton Recognition [0.10324748405849929]
  現代の自動プランクトンイメージング装置は、大規模なプランクトン画像データセットの収集を可能にする。 プランクトン種認識は画像分類タスクと見なすことができ、一般的にディープラーニングに基づく画像認識モデルを用いて解決される。 本稿では,プランクトン画像のオープンセット認識(OSR)について考察する。
  論文  参考訳（メタデータ） (2025-03-14T11:35:36Z)
• Skeleton-Based Human Action Recognition with Noisy Labels [43.58994208412764]
  ラベルノイズはモデルのトレーニングに悪影響を及ぼし、認識品質が低下する。 NoiseEraSARは、グローバルなサンプル選択、コティーチング、クロスモーダル・ミックス・オブ・エキスパート戦略を統合している。 提案手法は,確立されたベンチマークの性能向上を実証し,新しい最先端標準を設定した。
  論文  参考訳（メタデータ） (2024-03-15T02:42:28Z)
• Benchmarking common uncertainty estimation methods with histopathological images under domain shift and label noise [62.997667081978825]
  リスクの高い環境では、深層学習モデルは不確実性を判断し、誤分類の可能性がかなり高い場合に入力を拒否しなければなりません。 我々は,全スライド画像の分類において,最もよく使われている不確実性と頑健さの厳密な評価を行う。 我々は一般的に,手法のアンサンブルが,ドメインシフトやラベルノイズに対するロバスト性の向上とともに,より良い不確実性評価につながることを観察する。
  論文  参考訳（メタデータ） (2023-01-03T11:34:36Z)
• Corneal endothelium assessment in specular microscopy images with Fuchs' dystrophy via deep regression of signed distance maps [48.498376125522114]
  本稿では,UNetをベースとしたセグメンテーション手法を提案する。 これは、フックスのジストロフィーの全度にわたって、信頼できるCE形態計測と腸骨同定を実現する。
  論文  参考訳（メタデータ） (2022-10-13T15:34:20Z)
• Source-Free Progressive Graph Learning for Open-Set Domain Adaptation [44.63301903324783]
  オープンセットドメイン適応(OSDA)は多くの視覚認識タスクで注目されている。 目的仮説空間を共有空間と未知の部分空間に分解するプログレッシブグラフ学習(PGL)フレームワークを提案する。 また、ソースとターゲットドメインの共存を前提としない、より現実的なオープンソースフリーなオープンセットドメイン適応(SF-OSDA)に取り組みます。
  論文  参考訳（メタデータ） (2022-02-13T01:19:41Z)
• Data-Uncertainty Guided Multi-Phase Learning for Semi-Supervised Object Detection [66.10057490293981]
  半監視対象検出のためのデータ不確実性誘導多相学習法を提案する。 本手法は,ベースライン手法と比較して異常に動作し,大きなマージンで性能を向上する。
  論文  参考訳（メタデータ） (2021-03-29T09:27:23Z)

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。