論文の概要: Where Is the Bee? Detecting Tiny Pollinators with a Single Collaborative-Head Transformer

• arxiv url: http://arxiv.org/abs/2608.08580v2
• Date: Tue, 11 Aug 2026 07:57:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-12 16:08:30.625539
• Title: Where Is the Bee? Detecting Tiny Pollinators with a Single Collaborative-Head Transformer
• Title（参考訳）: ビーはどこ? シングルコラボレーティブ・ヘッド・トランスを用いたチキンポリネーターの検出
• Authors: Junsu Kim, Seungryul Baek,
• Abstract要約: CVPPA@ECCV 2026 BuzzSpot Challengeでは、19201080xフィールドラベルでミツバチ、バンブルビー、ホバーフライ、ハチを検知します。 小箱に対処するため,保持ラベル上で記録された10個の検出器構成を比較した。 FinalTestで最初にランク付けするのは0.5062 mAP@[.5:.95]で、推論時のアンサンブルやテスト時の拡張は不要です。
• 参考スコア（独自算出の注目度）: 19.169638887910434
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The CVPPA@ECCV 2026 BuzzSpot Challenge asks us to detect bees, bumblebees, hoverflies, and moths in 1920x1080 field keyframes. Its annotations carry 2 difficulties: the median box occupies 0.16% of a frame, and bees account for 80% of the labels. To cope with the small boxes, we compare 10 recorded detector configurations on held-out keyframes; plain Co-DINO with a Swin-L backbone has the highest mAP in this comparison, so we select it. Training then addresses the bee dominance in 2 ways: fine-tuning on a crop-mosaic pool in which the combined annotation share of the 3 rare classes rises from 19.9% to 55.1%, and a class-weighted simplex equiangular tight frame (ETF) loss that pulls the projected states of matched decoder queries toward fixed class directions. The full schedule spans 12+3+2 epochs. Without inference-time ensembling or test-time augmentation, we rank first on FinalTest at 0.5062 mAP@[.5:.95].
• Abstract（参考訳）: CVPPA@ECCV 2026 BuzzSpot Challengeでは、1920x1080フィールドキーフレームでミツバチ、バンブルビー、ホバーフライ、ハチを検知します。 中央の箱はフレームの0.16%を占め、ミツバチはラベルの80%を占めている。 小箱に対処するため,キーフレームに記録された10個の検出値を比較した。この比較では,Swin-LバックボーンのCo-DINOが最も高いmAPを有するため,選択する。 訓練では、3つの希少なクラスのアノテーションの組み合わせが19.9%から55.1%に上昇する作物モザイクプールの微調整と、一致したデコーダクエリの投影された状態を固定クラス方向に引き出すクラス重み付き単純x等角的タイトフレーム(ETF)損失の2つの方法で蜂の優位性に対処する。 全日程は12+3+2エポックである。 推論時のアンサンブルやテスト時の拡張がなければ、最初にFinalTestで0.5062 mAP@[.5:.95]とランク付けします。

関連論文リスト

• Explaining AI-Image Detection: What the Heatmap Actually Shows [65.01025489527173]
  私たちは検出器を構築し、その証拠として属性マップを添付します。 私たちは、そのペアがコントロール下の186,527のイメージにもたらすものを測定します。 属性ランキングが存在するかどうかは、検出器が画像に反応するかどうかに依存する。
  論文  参考訳（メタデータ） (2026-07-31T16:07:05Z)
• Protein contacts are already in the attention: a single-forward-pass alternative to the Categorical Jacobian [0.0]
  再建された信号は、すでに注目ヘッドの小さなサブセットに集中していることを示す。 CAMEOスプリットでは、選択も評価データモデルも、暗黙的に記憶されていない。 いずれの手法も、散布前のZhang数からリーククリーン数へ30～36ポイント減少し、事前学習前のかなりの重複と一致している。
  論文  参考訳（メタデータ） (2026-06-20T04:35:51Z)
• BuzzSet v1.0: A Dataset for Pollinator Detection in Field Conditions [4.696111119794421]
  実地条件下で収集した高分解能受粉体画像の大規模データセットについて述べる。 BuzzSetには、7,856枚の手動検証画像があり、3つのクラス(ミツバチ、バンブルビー、未確認昆虫)に8000以上の注釈付きインスタンスがある。 このモデルは、ミツバチとバンブルビーのF1スコア0.94と0.92の強い分類精度を達成し、これらの分類の混乱を最小限に抑える。
  論文  参考訳（メタデータ） (2025-08-27T10:40:15Z)
• Shrinking Class Space for Enhanced Certainty in Semi-Supervised Learning [59.44422468242455]
  そこで我々はShrinkMatchと呼ばれる新しい手法を提案し、不確実なサンプルを学習する。 それぞれの不確実なサンプルに対して、元の Top-1 クラスを単に含むスランク類空間を適応的に求める。 次に、スランク空間における強と弱に強化された2つのサンプル間の整合正則化を課し、識別的表現を試みます。
  論文  参考訳（メタデータ） (2023-08-13T14:05:24Z)
• Boosting Semi-Supervised 3D Object Detection with Semi-Sampling [85.68737731673396]
  我々は、グラウンド・シークレット・ラベルと擬似ラベルを用いて、ラベル付きフレームとラベルなしフレームのgtサンプルと擬似サンプルを収穫する。 教師が指導する半教師付きフレームワークのトレーニングでは,ラベル付きフレームとラベルなしフレームの両方に対して,gtサンプルと擬似サンプルをランダムに選択する。 我々は、ScanNet、SUN-RGBD、KITTIベンチマークにおける最先端の手法を大きなマージンで継続的に改善する。
  論文  参考訳（メタデータ） (2022-11-14T03:22:03Z)
• Your "Flamingo" is My "Bird": Fine-Grained, or Not [60.25769809922673]
  我々は,異なるレベルの専門知識の下で,様々なきめ細かい定義を調整する方法を検討する。 われわれはまず総合的な人間研究を行い、ほとんどの参加者が多粒度ラベルを好むことを確認した。 粗いレベルのラベル予測は、きめ細かい特徴学習をさらに高める。
  論文  参考訳（メタデータ） (2020-11-18T02:24:54Z)
• Deep Partition Aggregation: Provable Defense against General Poisoning Attacks [136.79415677706612]
  アドリアリン中毒は、分類器の試験時間挙動を損なうために訓練データを歪ませる。 毒殺攻撃に対する2つの新たな防御策を提案する。 DPAは一般的な中毒脅威モデルに対する認証された防御である。 SS-DPAはラベルフリップ攻撃に対する認証された防御である。
  論文  参考訳（メタデータ） (2020-06-26T03:16:31Z)

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。