論文の概要: CFC26: Building Evaluations for Deployment in Sonar-Based Fish Counting

• arxiv url: http://arxiv.org/abs/2610.22549v1
• Date: Thu, 15 Oct 2026 18:44:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.633176
• Title: CFC26: Building Evaluations for Deployment in Sonar-Based Fish Counting
• Title（参考訳）: CFC26:Sonnar-based Fish Countingにおける展開評価の構築
• Abstract要約: そこで我々はCaltech Fish Counting 2026 (CFC26) を提案する。 CFC22データセットをアラスカから北カリフォルニアまでの9つの太平洋サケ川系に11箇所に展開した。 我々は、専門家が使用する運用ワークフローを反映し、フレームレベルの検出メトリクスが捉えないエラーを表面化する2つの新しい評価指標、nMNEとnMANEを導入する。
• 参考スコア（独自算出の注目度）: 13.639536352501851
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate counts of fish populations are essential for monitoring ecosystems and making decisions for conservation, harvest limits, and river management. In many field deployments, these counts are obtained from sonar videos that experts must inspect manually, making large-scale monitoring slow, expensive, and difficult. Automated counting systems have been proposed as a scalable alternative, but so far this promise has been difficult to realize in deployment. Developing evaluations that better reflect real-world deployment conditions will help close this gap and drive improvements in counting performance in practice. To achieve this, we propose Caltech Fish Counting 2026 (CFC26), a new dataset with improved evaluation protocols that simulate deployment to seen and novel rivers, testing in-distribution and out-of-distribution performance. We expand the CFC22 dataset to eleven deployment locations across nine Pacific salmon river systems from Alaska to Northern California, capturing a broader geographical and ecological range of data. We additionally introduce two new evaluation metrics for counting, nMNE and nMANE, that mirror the operational workflow that experts use and help surface errors that frame-level detection metrics do not capture. Using these metrics, we reveal previously-concealed directional bias in upstream vs downstream counts, which would have direct and significant ecological implications if undetected. The dataset and code are publicly available on CaltechDATA and GitHub.
• Abstract（参考訳）: 正確な数の魚は生態系のモニタリングや保全、収穫限界、河川管理のための決定に不可欠である。 多くのフィールド展開において、これらのカウントは、専門家が手動で検査しなければならないソナービデオから得られ、大規模な監視を遅く、高価で、難しいものにしている。 自動カウントシステムはスケーラブルな代替手段として提案されているが、これまでのところ、デプロイにおいてこの約束を実現するのは難しい。 現実のデプロイメント条件をよりよく反映した評価を開発することは、このギャップを埋め、実際にのパフォーマンスをカウントする改善を促進するのに役立つだろう。 そこで我々はCaltech Fish Counting 2026 (CFC26) を提案し, 河川への展開をシミュレートし, 分布内および分布外性能を検証した。 CFC22データセットをアラスカから北カリフォルニアまでの9つの太平洋のサケ川系に11箇所に拡大し、地理的、生態学的に広い範囲のデータを収集した。 さらに、専門家が使用する運用ワークフローを反映し、フレームレベルの検出メトリクスが捉えないエラーをサーフェスする2つの新しい評価指標、nMNEとnMANEを導入する。 これらの指標を用いて、上流と下流のカウントにおいて、検出されていない場合、直接的かつ重要な生態学的意味を持つ方向バイアスを明らかにした。 データセットとコードは、CaltechDATAとGitHubで公開されている。

関連論文リスト

• A Dataset and Model for Imputing Water Surface Elevation on a Large and Extremely Sparse Spatiotemporal Graph [2.436812702920681]
  本稿では,大規模グラフ計算手法のトレーニングと評価のためのデータセットであるAmazonSWEを紹介する。 従来のグラフ時間計算手法は,このトポロジ,スケール,空間に適応していないことを示す。 本稿では,接続された部分グラフをサンプリングし,空間と時間を平らにすることで,単一のトークンシーケンスに分割することで,それらを上回る単純な選択状態空間モデルを提案する。
  論文  参考訳（メタデータ） (2026-09-10T14:12:02Z)
• WUTDet: A 100K-Scale Ship Detection Dataset and Benchmarks with Dense Small Objects [68.44670476527155]
  WUTDetは100,576イメージと381,378のアノテートされた船舶インスタンスを備えた大規模な船舶検出データセットである。 CNN, Transformer, Mambaの3つの主流検出アーキテクチャから20のベースラインモデルを体系的に評価した。 Ship-GENの結果は、WUTDetでトレーニングされたモデルは、異なるデータ分布下でより強力な一般化を示すことを示している。
  論文  参考訳（メタデータ） (2026-04-09T03:28:05Z)
• RiverScope: High-Resolution River Masking Dataset [9.870770596247395]
  RiverScopeは2,577平方キロメートルの高解像度画像1,145枚で構成されている。 我々は,河川幅推定のための最初のグローバル,高解像度のベンチマークを構築した。 RiverScopeは、微細でマルチセンサーなヒドロロジーモデリングのための貴重なリソースを提供する。
  論文  参考訳（メタデータ） (2025-09-02T16:00:27Z)
• Image-Based Relocalization and Alignment for Long-Term Monitoring of Dynamic Underwater Environments [57.59857784298534]
  本稿では,視覚的位置認識(VPR),特徴マッチング,画像分割を組み合わせた統合パイプラインを提案する。 本手法は, 再検討領域のロバスト同定, 剛性変換の推定, 生態系変化の下流解析を可能にする。
  論文  参考訳（メタデータ） (2025-03-06T05:13:19Z)
• RecFlow: An Industrial Full Flow Recommendation Dataset [66.06445386541122]
  産業レコメンデーションシステムは、商品をユーザに届ける際の効率性と効率のバランスをとるために、多段階パイプラインに依存している。 オフラインRSベンチマークと実際のオンライン環境とのギャップを埋めるために設計された産業用フルフローレコメンデーションデータセットであるRecFlowを紹介します。 我々のデータセットは、約9万項目にわたる42Kユーザからの38万のインタラクションで構成され、37日間にわたる9.3Mオンラインリクエストから収集された1.9Bステージサンプルと6ステージにまたがる。
  論文  参考訳（メタデータ） (2024-10-28T09:36:03Z)
• OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
  学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。 OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。 最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
  論文  参考訳（メタデータ） (2024-09-14T07:44:22Z)
• Low-Cost Tree Crown Dieback Estimation Using Deep Learning-Based Segmentation [0.0]
  深層学習と植生指標に基づくアプローチを用いて,LiDARなどの高価な機器を必要とせずに,RGB空中データからクラウンダイバックを評価する。 基礎となるMask R-CNNモデルのさらなる技術開発を必要とせず、高い全体セグメント化精度(mAP:0.519)を得る。 本研究は,森林ダイバックモニタリングの網羅性,速度,コストを改善するため,ディープラーニングの適用を含む自動データ収集および処理の可能性を示すものである。
  論文  参考訳（メタデータ） (2024-09-12T16:03:56Z)
• Towards Motion Forecasting with Real-World Perception Inputs: Are End-to-End Approaches Competitive? [93.10694819127608]
  実世界の知覚入力を用いた予測手法の統一評価パイプラインを提案する。 我々の詳細な調査では、キュレートされたデータから知覚ベースのデータへ移行する際の大きなパフォーマンスギャップが明らかになりました。
  論文  参考訳（メタデータ） (2023-06-15T17:03:14Z)
• A Realistic Fish-Habitat Dataset to Evaluate Algorithms for Underwater Visual Analysis [2.6476746128312194]
  我々は、DeepFishを大規模データセットでベンチマークスイートとして提示し、いくつかのコンピュータビジョンタスクのためのメソッドをトレーニングし、テストする。 このデータセットは、熱帯オーストラリアの海洋環境にある20の温帯生物から採取された約4万枚の画像で構成されている。 実験では,データセットの特徴を詳細に分析し,いくつかの最先端手法の性能評価を行った。
  論文  参考訳（メタデータ） (2020-08-28T12:20:59Z)

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。