Fugu-MT 論文翻訳(概要): CatchMonitor: a machine learning system for automated fish discard quantification

論文の概要: CatchMonitor: a machine learning system for automated fish discard quantification

arxiv url: http://arxiv.org/abs/2609.15484v1
Date: Mon, 14 Sep 2026 12:39:56 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-16 07:15:06.329663
Title: CatchMonitor: a machine learning system for automated fish discard quantification
Title（参考訳）: CatchMonitor: 自動魚捨て量化のための機械学習システム
Abstract要約: 我々はCatchMonitorの継続的な開発について報告し、廃棄魚の自動定量化を目的としたコンピュータビジョンシステムの試作を行った。トロール船の監視映像の分析は、漁船の現実的な状況のために難しい問題である。半教師あり学習の応用により,種同定の精度を向上させる。
参考スコア（独自算出の注目度）: 0.3816809248921638
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We report on the continued development of CatchMonitor, resulting in a prototype computer vision system designed to automatically quantify discarded fish from video footage collected from Remote Electronic Monitoring (REM) systems on fishing trawlers. The analysis of trawler surveillance footage is a challenging problem due to the real-world conditions on board fishing vessels. Building on our prior work we improve the accuracy of species identification through the application of semi-supervised learning. We utilise a simple and robust object tracking approach, upon which we build our prototype discard quantification system. Finally we analyse the variability of manual discard quantification performed by multiple expert human analysts, using it as a benchmark against which we compare the performance of our system.
Abstract（参考訳）: 我々はCatchMonitorの開発を継続し、遠隔電子モニタリング(REM)システムから収集した映像から廃棄された魚を自動的に定量化するコンピュータビジョンシステムの試作を行った。トロール船の監視映像の分析は、漁船の現実的な状況のために難しい問題である。先行研究に基づいて、半教師付き学習の適用により、種同定の精度を向上させる。我々は、単純で堅牢なオブジェクト追跡アプローチを利用して、プロトタイプの廃棄量化システムを構築します。最後に,複数の専門家による手動消火量の定量化のばらつきを分析し,システムの性能を比較するベンチマークとして利用した。

関連論文リスト

Video-based Locomotion Analysis for Fish Health Monitoring [9.658086787950777]
本稿では,マルチオブジェクトトラッキングを用いた動画からの移動活動を推定するシステムを提案する。本システムは,水族館のような施設で記録されたスラウェシのアノテートデータセットを用いて評価した。
論文参考訳（メタデータ） (2026-03-05T17:32:46Z)
Detecting Object Tracking Failure via Sequential Hypothesis Testing [80.7891291021747]
ビデオにおけるリアルタイムのオンラインオブジェクト追跡は、コンピュータビジョンにおける中核的なタスクである。本稿では,物体追跡を逐次的仮説テストとして解釈することを提案する。本研究では,地中追跡情報と内部追跡情報の両方を活用することにより,教師なしと教師なしの両方の変種を提案する。
論文参考訳（メタデータ） (2026-02-13T14:57:15Z)
A Multi-purpose Tracking Framework for Salmon Welfare Monitoring in Challenging Environments [1.1879560078316007]
本研究では、ポーズ推定ネットワークを用いて、サーモンとその対応する身体部位を囲む境界ボックスを抽出するフレキシブルな追跡フレームワークを提案する。我々は2つのサーモン追跡課題を評価する2つの新しいデータセットを構築した。本手法は,現在最先端の歩行者トラッカーであるBoostTrackよりも,両サーモントラッカーの課題に優れる。
論文参考訳（メタデータ） (2025-09-30T09:05:07Z)
ODYSSEE: Oyster Detection Yielded by Sensor Systems on Edge Electronics [14.935296890629795]
オイスターは沿岸生態系において重要なキーストーンであり、経済的、環境的、文化的な利益をもたらす。現在の監視戦略は、しばしば破壊的な方法に依存している。本研究では, 安定拡散を用いた新しいパイプラインを提案し, 現実的な合成データを用いて収集した実データセットを増強する。
論文参考訳（メタデータ） (2024-09-11T04:31:09Z)
Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。実世界のデータセットの実験では、大幅な改善が示されている。
論文参考訳（メタデータ） (2023-09-21T15:00:31Z)
FishMOT: A Simple and Effective Method for Fish Tracking Based on IoU Matching [11.39414015803651]
FishMOTは、オブジェクト検出とObjectoUマッチングを組み合わせた、新しい魚追跡手法である。本手法は, 各種環境および魚の数に対して, 優れた堅牢性と汎用性を示す。
論文参考訳（メタデータ） (2023-09-06T13:16:41Z)
Evaluating Deep Learning Assisted Automated Aquaculture Net Pens Inspection Using ROV [0.27309692684728615]
魚は魚の養殖場から海に逃げ出す。従来の検査システムは、専門家のダイバーやROVによる視覚検査に依存している。本稿では,養殖網ペンを対象としたロボットによる自動網欠陥検出システムについて述べる。
論文参考訳（メタデータ） (2023-08-26T09:35:49Z)
Multi-Object Tracking by Iteratively Associating Detections with Uniform Appearance for Trawl-Based Fishing Bycatch Monitoring [22.228127377617028]
漁業活動における漁獲監視の目的は、映像から魚の標的をリアルタイムで検出し、追跡し、分類することである。本稿では,既存の観測中心追跡アルゴリズムに基づく新しいMOT手法を提案する。本手法は,海洋魚種群およびMOT17種群において,一様外観の追跡目標の性能向上と最先端技術の向上を図っている。
論文参考訳（メタデータ） (2023-04-10T18:55:10Z)
A Survey of Fish Tracking Techniques Based on Computer Vision [11.994865945394139]
本稿では,過去7年間の魚類追跡技術の進歩を概観する。基本的位置決めと追跡方法に重点を置き、多様な魚の追跡手法を探求する。また、オープンソースのデータセット、評価指標、課題、魚の追跡研究への応用についても要約している。
論文参考訳（メタデータ） (2021-10-06T07:46:35Z)
Aurora Guard: Reliable Face Anti-Spoofing via Mobile Lighting System [103.5604680001633]
紙写真やデジタルビデオの高解像度レンダリングリプレイに対する反偽造は、未解決の問題だ。オーロラガード(Aurora Guard, AG)と呼ばれる, シンプルだが効果的な顔保護システムを提案する。
論文参考訳（メタデータ） (2021-02-01T09:17:18Z)
Movement Tracks for the Automatic Detection of Fish Behavior in Videos [63.85815474157357]
水中ビデオでサブルフィッシュ(Anoplopoma fimbria)の発芽行動のデータセットを提供し,その上での深層学習(DL)法による行動検出について検討した。提案する検出システムは,Long Short-Term Memory(LSTM)ネットワークを用いて,サブルフィッシュの起動動作を識別する。
論文参考訳（メタデータ） (2020-11-28T05:51:19Z)
Self-supervised Video Object Segmentation [76.83567326586162]
本研究の目的は、半教師付きビデオオブジェクトセグメンテーション(高密度トラッキング)の解決を目的とした自己教師付き表現学習である。 i) 従来の自己教師型アプローチを改善すること、(ii) オンライン適応モジュールによる自己教師型アプローチの強化により、空間的時間的不連続性によるトラッカーのドリフトを緩和すること、(iv) DAVIS-2017とYouTubeの自己教師型アプローチで最先端の結果を示すこと、などが提案されている。
論文参考訳（メタデータ） (2020-06-22T17:55:59Z)
Training-free Monocular 3D Event Detection System for Traffic Surveillance [93.65240041833319]
既存のイベント検出システムは、主に学習ベースであり、大量のトレーニングデータが利用可能な場合、十分なパフォーマンスを実現している。現実のシナリオでは、十分なラベル付きトレーニングデータの収集は高価であり、時には不可能である。本稿では,交通監視のためのトレーニング不要な単眼3Dイベント検出システムを提案する。
論文参考訳（メタデータ） (2020-02-01T04:42:57Z)

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。