1クラス分類による希少底生大型無脊椎動物分類のブースティング【JST・京大機械翻訳】

Sohrab Fahad; Raitoharju Jenni

プレプリント

J-GLOBAL ID：202202207302973138 整理番号：21P0025145

1クラス分類による希少底生大型無脊椎動物分類のブースティング【JST・京大機械翻訳】

Boosting rare benthic macroinvertebrates taxa identification with one-class classification

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2020年02月12日プレプリントサーバーでの情報更新日： 2020年02月12日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

昆虫モニタリングは,急速な生態学的変化の結果を理解するために重要であるが,分類群同定は,現在,退屈な手動エキスパート作業を必要とし,効率的にスケールアップできない。深い畳み込みニューラルネットワーク(CNN)は,バイオモニタリング容量を著しく増加させる実行可能な方法を提供する。しかし,分類群豊度は典型的に非常に不均衡であり,最も稀なクラスに対する訓練画像の量は深いCNNに対して単純に低い。結果として,希少クラスからの試料は,しばしば完全に見逃されるが,それらの検出は生物学的に重要である。本論文では,訓練された深いCNNを1クラス分類器と組み合わせ,希少種の同定を改善した。1クラス分類モデルは伝統的にはるかに少ないサンプルで訓練され,それらはヒト検査のために希少クラスに属する可能性のあるサンプルを示す機構を提供できる。著者らの実験は,提案した方式が分類群同定タスクの部分自動化に向けて移動を実際に支持することを確認した。【JST・京大機械翻訳】

, , , ,
, , , , , , , , 【Automatic Indexing@JST】

人工知能

, , ,

前のページに戻る