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。
サケ otolithにおける孵化場マークを同定し,読むためのコンピュータビジョン法を示した。サケの放飼場所を記録するために,太平洋Rimを通して数百の孵化場で合成降雨マークを用いた。毎年,ヒト読者は,捕獲されたサケのマークを同定するために,何百ものかの耳石サンプルを調べる。データは,野生孵化個体群を保存しながら,許容漁獲を最大にする,孵化場投資をガイドし,動的管理実践を知らせる。しかし,この方法は,処理プロセスに必要な時間,野生と未標識の孵化場魚を区別することができないこと,およびいくつかの場合において,分類プロセスは,ヒト読者の主観的決定によって制限される。コンピュータビジョンを用いた自動インピーダンス計測は,これら制限の3つ全てを改善する可能性がある。ImageNetデータベースで事前訓練された以前に出版された深層ニューラルネットワークを用いて,転送学習の分類精度を試験し,それを,特に otolith読のために開発された浅いネットワークを用いて達成された分類精度と比較した。浅いネットワークは,利用可能な訓練と試験セットでより良い分類精度を達成した。特に,著者らは,4つの孵化場マークと目立たないトラマドールの間の93%の分類精度を達成するために,敵対アルゴリズムで訓練された2つのニューラルネットワークを使用する新しい otolith分類アルゴリズムを報告する。アルゴリズムは,排他的にHubbardの半断面画像に依存する:付加的な生物学的データを必要としない。本研究は,前例のない精度を達成する適度な訓練要求を有する新しい技術を実証した。この方法は,既存のVoIP研究所に容易に採用でき,追加マークに適応し,また, otolithが検索された魚に関する追加情報を追跡する必要はない。将来の研究は,訓練セットを拡大して,アルゴリズムを適用して,より多様な四角形マークにアルゴリズムを適用するべきである。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】