論文の概要: Patch Ensembles for Robust Salmon Re-Identification with Weak Trajectory Labels

• arxiv url: http://arxiv.org/abs/2605.18038v1
• Date: Mon, 18 May 2026 08:30:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:49.123979
• Title: Patch Ensembles for Robust Salmon Re-Identification with Weak Trajectory Labels
• Title（参考訳）: 弱軌跡ラベルを用いたロバストサーモン再同定のためのパッチアンサンブル
• Authors: Espen Uri Høgstedt, Christian Schellewald, Annette Stahl, Rudolf Mester,
• Abstract要約: トラジェクトリIDはプロキシラベルとして使用できるが、トラジェクトリIDバイアスが導入される。 パッチレベルの予測をサーモン識別決定に融合させるパッチベースの再識別フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 1.1879560078316007
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Salmon re-identification in commercial net-pens is challenging due to large populations, which impose strict accuracy requirements and make large-scale labeled data acquisition infeasible. Trajectory IDs can be used as proxy labels, but this introduces trajectory-ID bias. To address these challenges, we propose a patch-based re-identification framework that fuses patch-level predictions into a salmon identity decision. A key component is the prediction of the salmon's lateral line, enabling extraction of texture-anchored patches and patch slices. To enable realistic evaluation, we introduce an experimental setup using multiple cameras placed 6 m apart, allowing the same fish to be recorded in different trajectories. This enables the construction of a cross-camera test set through manual match confirmation. Our ensemble approach outperforms the full-image baseline in same-trajectory validation (0.932 to 0.965 mAP) and cross-camera testing (0.609 to 0.860 mAP). The substantial improvements in the cross-camera setting demonstrate improved generalizability and robustness. Code and data: https://github.com/espenbh/salmon-reid-patch-ensemble.
• Abstract（参考訳）: 商業用ネットペンにおけるサーモンの再識別は、厳密な精度要件を課し、大規模なラベル付きデータ取得を不可能にする、多数の人口のために困難である。 トラジェクトリIDはプロキシラベルとして使用できるが、トラジェクトリIDバイアスが導入される。 これらの課題に対処するため、パッチレベルの予測をサーモン識別決定に融合させるパッチベースの再識別フレームワークを提案する。 鍵となる構成要素は、サケの側線を予測し、テクスチャアンコールされたパッチとパッチスライスを抽出できることである。 現実的な評価を実現するため,複数のカメラを6m間隔で配置し,同じ魚を異なる軌道に記録する実験装置を導入する。 これにより、手動による一致確認を通じて、クロスカメラテストセットの構築が可能になる。 同軌道検証(0.932～0.965mAP)とクロスカメラテスト(0.609～0.860mAP)では,全画像ベースラインの精度が向上する。 クロスカメラ設定の大幅な改善により、一般化性と堅牢性が向上した。 コードとデータ:https://github.com/espenbh/salmon-reid-patch-ensemble

関連論文リスト

• Automated Re-Identification of Holstein-Friesian Cattle in Dense Crowds [2.3843187053931456]
  そこで我々は,Open-Vocabulary Weight-free Localisation と Segment Anything モデルを利用した新しい検出セグメント識別パイプラインを提案する。 我々の手法は、密集した動物集団における検出の分解を克服し、98.93%の精度をもたらす。 教師なしのコントラスト学習がこれに基づいて構築され、テストデータに対して94.82%のRe-ID精度が得られることを示す。
  論文  参考訳（メタデータ） (2026-02-17T19:25:50Z)
• Towards Visual Re-Identification of Fish using Fine-Grained Classification for Electronic Monitoring in Fisheries [4.007351600492542]
  我々は,新しいAutoFishデータセットを用いて,魚の識別を自動化するための最適化されたディープラーニングパイプラインを開発した。 我々は、Vision TransformerベースのSwin-Tアーキテクチャが、畳み込みニューラルネットワークベースのResNet-50より一貫して優れていることを実証した。 詳細な分析によると、主な課題は、同じ種の視覚的に類似した個体を識別することである。
  論文  参考訳（メタデータ） (2025-12-09T09:33:53Z)
• Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
  新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。 拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。 MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
  論文  参考訳（メタデータ） (2024-05-01T12:03:39Z)
• Video-based Person Re-identification without Bells and Whistles [49.51670583977911]
  ビデオベースの人物再識別(Re-ID)は、異なるカメラの下で歩行者を特定するために、ビデオトラッカーとトリミングされたビデオフレームをマッチングすることを目的としている。 従来の方法による不完全な検出と追跡の結果から, 収穫したトラックレットの空間的, 時間的不整合が生じている。 本稿では,深層学習に基づくトラックレットの検出と追跡を適用することで,これらの予期せぬノイズを効果的に低減できる簡易な再検出リンク(DL)モジュールを提案する。
  論文  参考訳（メタデータ） (2021-05-22T10:17:38Z)
• Intra-Inter Camera Similarity for Unsupervised Person Re-Identification [50.85048976506701]
  擬似ラベル生成のための新しいカメラ内類似性について検討する。 re-idモデルをカメラ内およびカメラ間擬似ラベルを用いて2段階訓練した。 この単純なinter-inter cameraの類似性は、複数のデータセットで驚くほど優れたパフォーマンスを生み出す。
  論文  参考訳（メタデータ） (2021-03-22T08:29:04Z)
• Unsupervised Pretraining for Object Detection by Patch Reidentification [72.75287435882798]
  教師なし表現学習は、オブジェクトディテクタの事前トレーニング表現で有望なパフォーマンスを実現します。 本研究では,オブジェクト検出のための簡易かつ効果的な表現学習手法であるパッチ再識別(Re-ID)を提案する。 私たちの方法は、トレーニングの反復やデータパーセンテージなど、すべての設定でCOCOの同等を大幅に上回ります。
  論文  参考訳（メタデータ） (2021-03-08T15:13:59Z)
• Joint Noise-Tolerant Learning and Meta Camera Shift Adaptation for Unsupervised Person Re-Identification [60.36551512902312]
  unsupervised person re-identification (re-ID) は、ラベルのないデータで識別モデルを学ぶことを目的としている。 一般的な方法としては、クラスタ化によって擬似ラベルを取得し、モデルを最適化するために使用する方法がある。 本稿では,両問題を解決するための統一フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-03-08T09:13:06Z)
• Camera-aware Proxies for Unsupervised Person Re-Identification [60.26031011794513]
  本稿では、アノテーションを必要としない純粋に教師なしの人物識別(Re-ID)問題に取り組む。 各クラスタを複数のプロキシに分割し、それぞれのプロキシが同じカメラからのインスタンスを表すことを提案する。 カメラ認識プロキシに基づいて、カメラ内およびカメラ間コントラスト学習コンポーネントをre-idモデル用に設計する。
  論文  参考訳（メタデータ） (2020-12-19T12:37:04Z)

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。