YOLOv7 for Mosquito Breeding Grounds Detection and Tracking

要約

気候変動の脅威が迫る中、デング熱、ジカ熱、チクングニア熱などの顧みられない熱帯病は、さらに大きな世界的懸念となる可能性があります。
リモートセンシング技術は、蚊の繁殖地の検出とマッピングを自動化することで、このような病気の伝播媒介であるネッタイシマカの蔓延を制御するのに役立ち、地域団体が適切に介入できるようになります。
この研究では、最先端の計算効率の高い検出アプローチである YOLOv7 を活用して、無人航空機によって撮影されたビデオ内の蚊の巣の位置を特定し、追跡します。
私たちは、「蚊の繁殖地の自動検出」というタイトルの ICIP 2023 グランド チャレンジの一環として一般に公開されたデータセットで実験を行いました。
YOLOv7 を直接適用して、プール、タイヤ、水槽などのより大きな焦点カテゴリを検出できること、およびフレームごとの検出を安価で簡単に集約することで、追跡プロセスに時間の一貫性を組み込むことができることを示します。

要約(オリジナル)

With the looming threat of climate change, neglected tropical diseases such as dengue, zika, and chikungunya have the potential to become an even greater global concern. Remote sensing technologies can aid in controlling the spread of Aedes Aegypti, the transmission vector of such diseases, by automating the detection and mapping of mosquito breeding sites, such that local entities can properly intervene. In this work, we leverage YOLOv7, a state-of-the-art and computationally efficient detection approach, to localize and track mosquito foci in videos captured by unmanned aerial vehicles. We experiment on a dataset released to the public as part of the ICIP 2023 grand challenge entitled Automatic Detection of Mosquito Breeding Grounds. We show that YOLOv7 can be directly applied to detect larger foci categories such as pools, tires, and water tanks and that a cheap and straightforward aggregation of frame-by-frame detection can incorporate time consistency into the tracking process.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google