HCIL:長期漁業視覚監視のための階層的クラス増分学習【JST・京大機械翻訳】

Mei Jie; Romain Suzanne; Rose Craig; Magrane Kelsey; Hwang Jenq-Neng

プレプリント

J-GLOBAL ID：202202211876716955 整理番号：22P0295630

HCIL:長期漁業視覚監視のための階層的クラス増分学習【JST・京大機械翻訳】

HCIL: Hierarchical Class Incremental Learning for Longline Fishing Visual Monitoring

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 (5件)： , , , ,
資料名：
発行年： 2022年02月25日プレプリントサーバーでの情報更新日： 2022年02月25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)

長期漁業の電子モニタリングの目標は,規制コンプライアンスまたは漁獲計数のために,カメラに基づく漁船上の漁獲活動を視覚的に監視することである。以前の階層的分類法は,漁獲過程中に魚が厳しい変形と自己閉塞下にある,長線漁業からの漁獲の効率的な魚種同定を示す。階層的分類は,異なる階層レベルで信頼スコアを提供することにより,人間レビューの労力を緩和するが,その性能は,クラスインクリメンタル学習(CIL)シナリオの下で劇的に低下する。CILシステムは,データのストリームから時間にわたってより多くのクラスを学習することができ,すなわち,少数のクラスに対する訓練データだけを始めに提示し,新しいクラスを次第に追加できる。本研究では,階層的クラス増分学習(HCIL)モデルを導入し,CILシナリオの下で最先端の階層的分類法を大幅に改善した。【JST・京大機械翻訳】

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

人工知能 , パターン認識

, , , ,

前のページに戻る