Fugu-MT 論文翻訳(概要): Open-set multi-view seahorse re-identification from underwater photograph sequences

論文の概要: Open-set multi-view seahorse re-identification from underwater photograph sequences

arxiv url: http://arxiv.org/abs/2610.39857v1
Date: Thu, 29 Oct 2026 11:35:11 GMT
ステータス: 翻訳完了
システム内更新日: 2026-11-02 22:30:00.029955
Title: Open-set multi-view seahorse re-identification from underwater photograph sequences
Title（参考訳）: 水中写真からのオープンセット多視点シーホースの同定
Abstract要約: 画像列から分類分類、性決定、オープンセット再同定のための新しい手法を提案する。野生で観測された474頭の海馬の35,914枚のデータセットを用いて、我々のモデルを訓練し、評価した。
参考スコア（独自算出の注目度）: 0.6999740786886536
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Automated animal re-identification from photograph sequences can facilitate minimally invasive Capture-Mark-Recapture studies at scale. Yet, photographs taken during an observation session can vary greatly in quality, not always providing the necessary information for accurate re-identification. In this paper, we present new methods for taxonomic classification, sex determination, and open-set re-identification from image sequences. We train and evaluate our models on a dataset of 35,914 photographs of 474 individual seahorses observed in the wild. We demonstrate that our approach, by combining information from multiple photographs, yields state-of-the-art performance.
Abstract（参考訳）: 写真列からの動物の自動再同定は、大規模に最小限に侵襲的なキャプチャー・マーク・リキャプチャー研究を促進することができる。しかし、観察セッション中に撮影された写真は、必ずしも正確な再識別に必要な情報を提供するとは限らないため、品質が著しく異なる可能性がある。本稿では,画像列からの分類分類,性決定,オープンセット再同定のための新しい手法を提案する。野生で観測された474頭の海馬の35,914枚のデータセットを用いて、我々のモデルを訓練し、評価した。我々は,複数の写真からの情報を組み合わせることで,最先端の性能が得られることを実証した。

関連論文リスト

WildMatch: Weakly Supervised Image Matcher Adaptation for Wildlife Re-Identification [0.0]
カメラトラップ画像から動物を再同定することは、非侵襲的な野生生物モニタリングの中心である。本研究では,事前学習したキーポイント・マーカを識別ラベルのみを用いて弱教師付き適応する手法について検討する。提案手法は,市販のマーカと最先端のローカル-グローバル融合法よりも精度を向上する。
論文参考訳（メタデータ） (2026-10-05T20:54:45Z)
Degradation-based augmented training for robust individual animal re-identification [0.8749675983608171]
野生生物の再同定は,その微細な特異な形態的特徴に基づいて,検索画像と予め同定された個体のデータベースとをマッチングすることにより,個体の認識を目的とする。しかし、画像中のいくつかの分解因子の存在により、個々の野生動物の識別情報が著しく減少することが多い。そこで我々は,深部特徴抽出器の強化トレーニングフレームワークを導入し,トレーニングセット内の画像に,人工的ではあるが多様な劣化を適用した。
論文参考訳（メタデータ） (2026-03-04T15:20:00Z)
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)
Effective Data Augmentation With Diffusion Models [45.18188726287581]
我々は、事前訓練されたテキスト・画像拡散モデルによりパラメータ化された画像・画像変換によるデータ拡張の多様性の欠如に対処する。本手法は,市販の拡散モデルを用いて画像のセマンティクスを編集し,いくつかのラベル付き例から新しい視覚概念に一般化する。本手法は,実世界の雑草認識タスクと数ショット画像分類タスクにおいて評価し,テスト領域における精度の向上を観察する。
論文参考訳（メタデータ） (2023-02-07T20:42:28Z)
SealID: Saimaa ringed seal re-identification dataset [0.10555513406636087]
サイマーリングアザラシ(フィンランド語: Pusa hispida saimensis)は、フィンランドのサイマー湖で発見された絶滅危惧種である。サイマーリングシール画像(SealID)データセット(N=57)を研究目的で公開しています。
論文参考訳（メタデータ） (2022-06-05T20:35:32Z)
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)
Automatic Detection and Recognition of Individuals in Patterned Species [4.163860911052052]
我々は,異なるパターンの個体の自動検出と認識のための枠組みを開発する。我々は最近提案したFaster-RCNNオブジェクト検出フレームワークを用いて画像中の動物を効率的に検出する。我々は,シマウマおよびジャガー画像の認識システムを評価し,他のパターンの種への一般化を示す。
論文参考訳（メタデータ） (2020-05-06T15:29:21Z)
Transferring Dense Pose to Proximal Animal Classes [83.84439508978126]
より一般的な対象検出器やセグメンタなどと同様に、密集したポーズ認識に存在する知識を、他のクラスにおける密集したポーズ認識の問題に移すことが可能であることを示す。我々は、人間と幾何学的に整合した新しい動物のためのDensePoseモデルを確立することでこれを行う。また、クラスチンパンジーにDensePoseの方法でラベル付けされた2つのベンチマークデータセットを導入し、アプローチを評価するためにそれらを使用します。
論文参考訳（メタデータ） (2020-02-28T21:43:53Z)
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。