論文の概要: Computer Vision for Wildlife Monitoring: Detecting Brown Howler Monkeys using YOLO

• arxiv url: http://arxiv.org/abs/2607.01396v1
• Date: Wed, 01 Jul 2026 18:57:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-03 19:45:08.560848
• Title: Computer Vision for Wildlife Monitoring: Detecting Brown Howler Monkeys using YOLO
• Title（参考訳）: 野生生物モニタリングのためのコンピュータビジョン: YOLOを用いたブラウン・ハウラー・モンキーの検出
• Authors: Gabriel Ferri Schneider, Guido Luis Glufke Mainardi, Paulo Ricardo Knob, Patrícia Dias, Márcia Jardim, Júlio César Bicca-Marques, Soraia Raupp Musse,
• Abstract要約: 都市の拡大は世界の生物多様性を脅かし、特に樹上性種に影響を及ぼす。 本研究では, カメラトラップから得られたビデオから, ブラウンハウラーサル(Alouatta guariba)の自動検出について検討した。
• 参考スコア（独自算出の注目度）: 0.1759008116536278
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Urban expansion threatens global biodiversity, especially affecting arboreal species due to the fragmentation of forest habitats. The movement of arboreal species across disjointed forest patches increases mortality risk and, thus, compromises their conservation. In this context, the installation of canopy bridges can be a viable strategy; yet continuous monitoring of their use by arboreal species is essential for ensuring their effectiveness, typically carried out with the aid of camera traps. However, this method often produces false-positive images that demand time from conservationists for review. In this context, computer vision algorithms can optimize the task of detecting target species using the canopy bridges. In this study, we explored the automatic detection of brown howler monkeys (Alouatta guariba) in videos obtained by camera traps. Given the need for a large number of annotated images of the target animals to train the algorithms, we tested the incorporation of auxiliary data to improve detection models, fine-tuning the YOLOv10 framework using varying proportions of them. The improvement of these automatic detection techniques contributes to conservation efforts, by providing automatic tools to monitor solutions that minimize the impact of human interference in animals habitats.
• Abstract（参考訳）: 都市拡大は地球規模の生物多様性を脅かし、特に森林の生息域の断片化による樹上性種に影響を及ぼす。 枝分かれした森林地帯をまたいだ樹上性生物の移動は死亡リスクを増大させ、その保存を損なう。 この文脈では、キャノピーブリッジの設置は実行可能な戦略であり得るが、アーボリアル種による使用の継続的なモニタリングは、カメラトラップの助けを借りて実施されるように、その有効性を保証するために不可欠である。 しかし, 本手法は, 環境保護主義者のレビューに要する時間を求める偽陽性画像を生成することが多い。 この文脈では、コンピュータビジョンアルゴリズムは、天蓋橋を用いて標的種を検出するタスクを最適化することができる。 本研究では, カメラトラップから得られたビデオにおいて, ブラウンハウラーサル(Alouatta guariba)の自動検出について検討した。 アルゴリズムを訓練するためには,多数のアノテート画像が必要であったため,検出モデルを改善するための補助データの導入を検証し,その割合を微調整したYOLOv10フレームワークを試作した。 これらの自動検出技術の改善は、動物の生息地における人間の干渉の影響を最小限に抑えるソリューションを監視する自動ツールを提供することによって、保全努力に寄与する。

関連論文リスト

• Re-Identifying Kākā with AI-Automated Video Key Frame Extraction [0.0]
  本研究では,k=ak=a(Nestor meridionalis)のビデオから高品質なキーフレームを抽出するためのユニークなパイプラインを提案する。 カスタムフィードの映像記録を用いて,キーフレームを抽出し,パイプラインの再同定性能を評価する。 その結果,提案手法では,k=ak=a再同定において高い精度で画像収集を行うことができた。
  論文  参考訳（メタデータ） (2025-10-09T19:46:46Z)
• Self-supervised Learning on Camera Trap Footage Yields a Strong Universal Face Embedder [48.03572115000886]
  本研究では、未ラベルのカメラトラップ映像から堅牢なチンパンジー顔の埋め込みを学習するための、完全な自己教師型アプローチを提案する。 私たちは、自動的に採掘された顔作物にビジョントランスフォーマーを訓練し、IDラベルを不要にします。 この研究は、生物多様性モニタリングにおける自己教師型学習の可能性を強調し、スケーラブルで非侵襲的な集団研究の道を開く。
  論文  参考訳（メタデータ） (2025-07-14T17:59:59Z)
• Automated Detection of Salvin's Albatrosses: Improving Deep Learning Tools for Aerial Wildlife Surveys [4.936287307711449]
  無人航空機(UAV)は高解像度画像を撮影する費用効率のよい手段を提供する。 ニュージーランドのバウンティ諸島におけるサルビンのアルバトロス(Thalassarche salvini)の繁殖個体数を推定するための汎用鳥類検出モデルBirdDetectorの性能評価を行った。
  論文  参考訳（メタデータ） (2025-05-15T22:42:44Z)
• Improving Generalization Performance of YOLOv8 for Camera Trap Object Detection [0.0]
  この論文では、一般化の問題に対処するため、YOLOv8オブジェクト検出アルゴリズムの強化について検討する。 提案された拡張は、カメラトラップデータセットに固有の課題に対処するだけでなく、現実の保存シナリオにおける広範な適用性への道を開く。
  論文  参考訳（メタデータ） (2024-12-18T02:00:53Z)
• Multimodal Foundation Models for Zero-shot Animal Species Recognition in Camera Trap Images [57.96659470133514]
  モーションアクティベートカメラトラップは、世界中の野生生物を追跡・監視するための効率的なツールである。 教師付き学習技術は、そのような画像を分析するためにうまく展開されているが、そのような訓練には専門家のアノテーションが必要である。 コストのかかるラベル付きデータへの依存を減らすことは、人間の労働力を大幅に減らした大規模野生生物追跡ソリューションを開発する上で、大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2023-11-02T08:32:00Z)
• Removing Human Bottlenecks in Bird Classification Using Camera Trap Images and Deep Learning [0.14746127876003345]
  鳥類の個体数を監視することは生態学者にとって不可欠である。 カメラトラップ、音響モニター、ドローンなどの技術は、非侵襲的な監視方法を提供する。 監視にカメラトラップを使用する場合の主な問題は2つある。a) カメラは多くの画像を生成し、タイムリーにデータを処理し分析することが困難になる。 本稿では,鳥種のリアルタイム分類にディープラーニングを活用することによって,これらの問題を克服するためのアプローチを概説する。
  論文  参考訳（メタデータ） (2023-05-03T13:04:39Z)
• Evaluation of the potential of Near Infrared Hyperspectral Imaging for monitoring the invasive brown marmorated stink bug [53.682955739083056]
  BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。 本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
  論文  参考訳（メタデータ） (2023-01-19T11:37:20Z)
• Neuroevolution-based Classifiers for Deforestation Detection in Tropical Forests [62.997667081978825]
  森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。 監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。 本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
  論文  参考訳（メタデータ） (2022-08-23T16:04:12Z)
• Florida Wildlife Camera Trap Dataset [48.99466876948454]
  フロリダ州南西部の2つの異なる場所から収集された野生生物カメラトラップ分類データセットについて紹介する。 データセットは104,495枚の画像からなり、視覚的に類似した種、様々な照明条件、スキュードクラス分布、絶滅危惧種のサンプルを含む。
  論文  参考訳（メタデータ） (2021-06-23T18:53:15Z)
• Unifying data for fine-grained visual species classification [15.14767769034929]
  465種にまたがる2.9M画像に基づいて訓練した,初期の深部畳み込みニューラルネットワークモデルを提案する。 長期的な目標は、科学者が種数と人口の健康状態のほぼリアルタイムでの分析から、保護的なレコメンデーションを行うことである。
  論文  参考訳（メタデータ） (2020-09-24T01:04:18Z)
• 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。