論文の概要: Open-Set Cattle Muzzle Identification: A Leakage-Controlled Benchmark and Evaluation Protocol
- arxiv url: http://arxiv.org/abs/2608.28663v1
- Date: Sat, 22 Aug 2026 15:48:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:30.694633
- Title: Open-Set Cattle Muzzle Identification: A Leakage-Controlled Benchmark and Evaluation Protocol
- Title（参考訳）: Open-Set Cattle Muzzle Identification: Leakage-Controlled Benchmark and Evaluation Protocol
- Abstract要約: ウシの銃口バイオメトリックスをオープンセットのギャラリーベースの識別問題として再構成する。
本稿では, 同一性分離, 折り畳み再訓練, ホールドアウトしきい値校正, 重複除去確認, ブートストラップ信頼区間に基づく漏洩制御評価プロトコルを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reliable individual cattle identification supports disease surveillance, vaccination records, breeding management, and livestock insurance. Although the bovine muzzle provides a stable, non-contact biometric, existing muzzle-recognition systems largely assume a closed set of enrolled animals, limiting their practical deployment. We reformulate cattle muzzle biometrics as an open-set, gallery-based identification problem that can reject previously unseen animals and support incremental enrollment without model retraining. We introduce a leakage-controlled evaluation protocol based on identity-disjoint splits, per-fold retraining, held-out threshold calibration, verified duplicate removal, and bootstrap confidence intervals. We evaluate the framework using two contrasting embedding configurations: a hybrid CNN-ViT metric-learning model and the MegaDescriptor-L foundation model. Under oracle threshold selection, the hybrid model achieves detection-and-identification rates of 98.3%, 96.4%, and 93.6% at target false-acceptance rates of 10^(-1), 10^(-2), and 10^(-3), respectively, while MegaDescriptor-L achieves 99.3%, 98.1%, and 96.1%. However, deployable threshold calibration reveals a substantial difference between oracle and calibrated performance: the hybrid model achieves a false-acceptance rate of 1.03% at a 1% target, whereas MegaDescriptor-L reaches 2.44%. Incremental enrollment further achieves Rank-1 accuracy above 91% with a single reference image and up to 97.3% with eight reference images, without retraining the model or degrading the existing gallery. These results demonstrate that threshold calibration, leakage control, and embedding quality are critical for reliable open-set cattle identification and provide a practical evaluation framework for deployment-oriented animal biometric systems.
- Abstract（参考訳）: 信頼性の高い個体識別は、病気の監視、予防接種記録、繁殖管理、家畜保険を支持している。
ウシの銃口は安定して非接触生体認証システムを提供しているが、既存の銃口認識システムは、主に入場した動物の閉じたセットを前提としており、実際の配備を制限している。
我々は,牛の銃口バイオメトリックスを,未確認の動物を拒絶し,モデルの再訓練なしにインクリメンタルな入学を支援する,オープンセットのギャラリーベースの識別問題として再構成する。
本稿では, 同一性分離, 折り畳み再訓練, ホールドアウトしきい値校正, 重複除去確認, ブートストラップ信頼区間に基づく漏洩制御評価プロトコルを提案する。
CNN-ViTメトリックラーニングモデルとMegaDescriptor-Lファウンデーションモデルという2つのコントラスト埋め込み構成を用いてフレームワークの評価を行った。
オラクルしきい値選択の下では、ハイブリッドモデルは、対象の偽受容率10^(-1), 10^(-2), 10^(-3)で98.3%, 96.4%, 93.6%, MegaDescriptor-Lは99.3%, 98.1%, 96.1%である。
しかし、デプロイ可能なしきい値のキャリブレーションは、オラクルとキャリブレーション性能の実質的な違いを明らかにし、ハイブリッドモデルは1%のターゲットで1.03%の偽受け入れ率を達成する一方、MegaDescriptor-Lは2.44%に達する。
インクリメンタル登録は、単一の参照画像で91%以上、最大97.3%まで、8つの参照画像でランク1の精度を達成する。
これらの結果から, 牛の確実な識別には, しきい値校正, 漏れ制御, 埋め込み品質が重要であり, 展開指向の動物生体計測システムにおいて, 実用的評価の枠組みを提供する。
関連論文リスト
- DNA: Dual-stage Native Attribution for Generated Image Source Tracing [75.65470221927096]
既存のプロアクティブな方法は、透かしの埋め込みやモデル修正に依存している。
DNAは、ニューラルネットワークのトレーニングを追加せずに、この階層に従う粗大なフレームワークである。
実験の結果、DNAは89.11%のエンドツーエンドの属性精度を達成している。
論文 参考訳（メタデータ） (2026-07-15T10:27:52Z) - Batch-Invariant Spectral Intelligence for Robust and Explainable Insect Authentication [4.054744922490964]
食用昆虫は、従来の家畜よりも土地や水が少なく、温室効果ガスの排出も少ない、オルタナティブなタンパク質の効率的な供給源を提供する。
彼らの食品サプライチェーンへの統合の成功は、アレルゲンの曝露を防ぎ、密通を防ぎ、規制基準を満たすための信頼性の高い種認証を要求する。
本稿では,学習可能な前処理モジュールとSavitzky-Golayフィルタを併用したエンドツーエンドのフレームワークであるBatch-Invariant Spectral Network(BISN)と,バッチ固有のスペクトル変動を抑制するために,エントロピー規則化された対向目的を導入する。
論文 参考訳（メタデータ） (2026-06-25T08:42:51Z) - ImplicitMemBench: Measuring Unconscious Behavioral Adaptation in Large Language Models [60.14219417402433]
LLMエージェントの既存のメモリベンチマークは、事実の明示的なリコールを評価するが、意識的な検索なしに、経験が自動的な振る舞いになる暗黙の記憶を見落としている。
IndicitMemBenchは、非宣言的メモリの標準的な認知科学のアカウントから引き出された3つの構造を通して暗黙的メモリを評価する最初の体系的なベンチマークである。
当社の300イテムスイートでは,初動採点を備えたLearning/Priming-Interfere-Testプロトコルを統一しています。
論文 参考訳（メタデータ） (2026-04-09T10:26:32Z) - Claw-Eval: Toward Trustworthy Evaluation of Autonomous Agents [66.97968363332465]
エージェントベンチマークの3つのギャップに対処するエンドツーエンド評価スイートであるClaw-Evalを紹介した。
Claw-Evalは3つのグループにまたがる9つのカテゴリにまたがる300の人間検証タスクで構成されている。
すべてのエージェントアクションは、3つの独立したエビデンスチャネルを通じて記録される。
論文 参考訳（メタデータ） (2026-04-07T17:43:18Z) - RealBirdID: Benchmarking Bird Species Identification in the Era of MLLMs [21.24879709845471]
野生の鳥の微細な種は、単一の画像からしばしば発見できない。
我々はRealBirdIDベンチマークを提案する: 鳥の画像を考えると、システムは種で答えるか、具体的、エビデンスに基づく理論的根拠で答えるべきである。
各属について、データセットは、ラベル付き有理数を持つ計算不可能な例からなる検証スプリットを含み、明確な答え可能なインスタンスのコンパニオンセットと組み合わせられる。
論文 参考訳（メタデータ） (2026-03-27T22:58:31Z) - From Black Box to Glass Box: Cross-Model ASR Disagreement to Prioto Review in Ambient AI Scribe Documentation [43.148402136307716]
異種ASRシステム間のクロスモデル不一致は、基準のない不確実性信号として機能する。
商用APIとオープンソースエンジンにまたがる8つのASRシステムを備えた,50の公開医療用オーディオクリップを転写した。
低アグリメント領域は内容の不一致に富み、高リスク質量のクインタイル全体では53.9%から73.9%に増加した。
論文 参考訳（メタデータ） (2026-03-02T13:02:13Z) - From Visual to Multimodal: Systematic Ablation of Encoders and Fusion Strategies in Animal Identification [35.71275089934349]
本研究は,合成テキスト記述から派生したセマンティック・アイデンティティーによる視覚的特徴を高めるマルチモーダル・検証・フレームワークを提案する。
我々はこの調査を支援するため、695,091匹の動物を含む190万枚の写真からなる大規模な訓練コーパスを構築した。
論文 参考訳（メタデータ） (2026-02-28T21:27:38Z) - BadCLIP++: Stealthy and Persistent Backdoors in Multimodal Contrastive Learning [73.46118996284888]
マルチモーダル・コントラスト学習モデルに対するバックドア攻撃の研究は、ステルスネスと永続性という2つの大きな課題に直面している。
両課題に対処する統合フレームワークであるBadCLIP++を提案する。
ステルスネスのために,タスク関連領域付近に知覚不可能なパターンを埋め込むセマンティックフュージョンQRマイクロトリガーを導入する。
持続性については、半径縮小とセントロイドアライメントによるトリガ埋め込みを安定化する。
論文 参考訳（メタデータ） (2026-02-19T08:31:16Z) - 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) - Synthetic Data for Veterinary EHR De-identification: Benefits, Limits, and Safety Trade-offs Under Fixed Compute [0.0]
本研究は,大規模言語モデル(LLM)が生成する合成物語が識別の安全性を向上するか否かを評価する。
10,382枚の合成ノートを,プライバシ保護型「テンプレートオンリー」システムを用いて生成した。
人工的な増強は曝露拡大に有効であるが, 代替的ではなく, 安全クリティカルな獣医の身元特定に有効であると考えられた。
論文 参考訳（メタデータ） (2026-01-13T19:35:25Z) - 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)
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。