抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】