文献

J-GLOBAL ID：201702236102284589   整理番号：17A1493538

自動野生動物監視に向けて:非常に深い畳込みニューラルネットワークを用いた隠しカメラ画像中の動物種の同定【Powered by NICT】

Towards automatic wild animal monitoring: Identification of animal species in camera-trap images using very deep convolutional neural networks

著者 (3件)： Gomez Villa Alexander (Grupo de investigacion SISTEMIC, Facultad de Ingenieria, Universidad de Antioquia UdeA, Calle 70 No. 52-21, Medellin, Colombia) ,  Salazar Augusto (Grupo de investigacion SISTEMIC, Facultad de Ingenieria, Universidad de Antioquia UdeA, Calle 70 No. 52-21, Medellin, Colombia) ,  Vargas Francisco (Grupo de investigacion SISTEMIC, Facultad de Ingenieria, Universidad de Antioquia UdeA, Calle 70 No. 52-21, Medellin, Colombia)
資料名： Ecological Informatics  (Ecological Informatics)
巻： 41  ページ： 24-32  発行年： 2017年 
JST資料番号： W3323A  ISSN： 1574-9541  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 野生動物の非侵襲的モニタリングはカメラトラッピングネットワークを用いて可能である。動物可能な限り少ないを妨害するためにカメラをセンサにより引き起こされる。このアプローチは無用(誤検知,最も)で有用な(動物の存在と画像)解析への困難な作業を必要としている高いボリュームデータ(千または百万画像のために)を生成する。本研究では,いくつかの障害が克服されるとすぐに,深いニューラルネットワークを適切に自動種分類の問題に対処できることを示した。研究の事例として,スナップショットセレンゲティ(SSe)データセットからの48種の最も一般的な26を選択し,種同定タスクのための非常に深い畳込みニューラルネットワークフレームワークの可能性を解析した。最悪のシナリオ(空画像を含む非平衡訓練データセット)では,この方法を35.4%Top1と60.4%に達したトップ5精度。最良シナリオ(バランスデータセット,前景動物のみを含む画像,,人手によるセグメンテーション)に対して精度は88.9%Top1と98.1%トップ5に達した。著者らの知識の及ぶ限りでは,これはSSeデータセット上で自動種の認識を解くことに最初に発表された試みである。添加では,異なるデータセット上で他の方法との比較を行い,本研究で使用した構造は,以前の手法より優れていることを示した。法,欠点だけでなく,自動カメラトラップ種分類における新しい挑戦の限界を広く議論した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *ニューラルネットワーク ,  *カメラ ,  *写真像 ,  セグメンテーション ,  センサ ,  *野生動物 ,  非平衡状態 ,  *動物 ,  *画像 ,  *畳込み
準シソーラス用語： カメラトラップ ,  前景 ,  訓練データ ,  種判別 ,  ボリュームデータ , 【Automatic Indexing@JST】

著者キーワード (4件)： 動物種の認識 ,  深い畳込みニューラルネットワーク ,  カメラトラップ ,  スナップショットセレンゲティ

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 動物 ,  畳込みニューラルネットワーク ,  カメラ画像 ,  同定