Weakly supervised marine animal detection from remote sensing images using vector-quantized variational autoencoder

要約

この論文では、海洋環境における航空画像から弱い監視下で動物を検出するための再構成ベースのアプローチを研究します。
このようなアプローチは、入力空間で直接メトリクスを計算する異常検出フレームワークを活用し、特徴埋め込み手法と比較して解釈可能性と異常位置特定を強化します。
コンピューター ビジョン データセットの異常検出におけるベクトル量子化変分オートエンコーダーの成功を基に、私たちはそれらを海洋動物検出ドメインに適応させ、ノイズの多いデータを処理するという課題に取り組みます。
私たちのアプローチを評価するために、航空画像データからの海洋動物検出のコンテキストで既存の方法と比較します。
2 つの専用データセットに対して行われた実験は、文献における最近の研究よりも提案された方法の優れたパフォーマンスを示しています。
私たちのフレームワークは、異常の解釈可能性と位置特定を改善し、海洋生態系を監視し、海洋動物に対する人間の活動の影響を軽減するための貴重な洞察を提供します。

要約(オリジナル)

This paper studies a reconstruction-based approach for weakly-supervised animal detection from aerial images in marine environments. Such an approach leverages an anomaly detection framework that computes metrics directly on the input space, enhancing interpretability and anomaly localization compared to feature embedding methods. Building upon the success of Vector-Quantized Variational Autoencoders in anomaly detection on computer vision datasets, we adapt them to the marine animal detection domain and address the challenge of handling noisy data. To evaluate our approach, we compare it with existing methods in the context of marine animal detection from aerial image data. Experiments conducted on two dedicated datasets demonstrate the superior performance of the proposed method over recent studies in the literature. Our framework offers improved interpretability and localization of anomalies, providing valuable insights for monitoring marine ecosystems and mitigating the impact of human activities on marine animals.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google