文献

J-GLOBAL ID：202202260540085965   整理番号：22A0964116

野生生物監視と監視【JST・京大機械翻訳】

Wildlife Monitoring and Surveillance

著者 (5件)： Viraktamath S. V. (SDM College of Engineering and Technology,Dept. of Electronics and Communication Engineering,Dharwad,India) ,  R Jahnavi (SDM College of Engineering and Technology,Dept. of Electronics and Communication Engineering,Dharwad,India) ,  A Vidya (SDM College of Engineering and Technology,Dept. of Electronics and Communication Engineering,Dharwad,India) ,  Bhat Abhay S (SDM College of Engineering and Technology,Dept. of Electronics and Communication Engineering,Dharwad,India) ,  Nayak Sathvik (SDM College of Engineering and Technology,Dept. of Electronics and Communication Engineering,Dharwad,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICONAT  ページ： 1-4  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： コンピュータビジョンシステムを用いた動物検出と分類は,使用されたアルゴリズムの精度に関する懸念のため,数年間,非制御文脈において実用的に不可能であった。その結果,物体検出,認識,分類などは,多くの注目を集めている。それらの自然生息地における動物の視覚モニタリングは,現在,コンピュータビジョン(CV)システムの分野における最も一般的な方法の1つである。しかし,リアルタイム動物検出と分類法はまだ利用できない。コンピュータビジョンにおける深い学習改善を,時間を通して構築して,主に1つの特定の方法,すなわち,畳込みニューラルネットワーク(CNN)を通して開発した。このプロジェクトをCNNを用いて提案し,ディジタル画像における動物を検出し,分類した。入力画像における動物の特徴を,意思決定を助けるために抽出し,次に,モデル解析のための分類部分にプラグした。実験結果によれば,提案したアルゴリズムは,全体の動物分類性能にプラスの効果を有した。画像サイズが5050であったとき,約64%の精度を達成した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  視覚 ,  意思決定 ,  学習 ,  プラグ ,  *野生生物 ,  生息場所 ,  ディジタル画像 ,  コンピュータビジョン
準シソーラス用語： 分類法 ,  物体検出 ,  実時間 ,  モデル解析 ,  畳込みニューラルネットワーク ,  インプット画像 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (1件)： 野生生物