Aplicando el aprendizaje de pocas muestras para la clasificación de especies en trampas fotográficas en la naturaleza
Autores: Chen, Haoyu; Lindshield, Stacy; Ndiaye, Papa Ibnou; Ndiaye, Yaya Hamady; Pruetz, Jill D.; Reibman, Amy R.
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Aplicando el aprendizaje de pocas muestras para la clasificación de especies en trampas fotográficas en la naturaleza
Categoría
Ingeniería y Tecnología
Subcategoría
Inteligencia Artificial
Palabras clave
Aprendizaje de pocas muestras
Teoría de FSL
Actividades de caza de chimpancés
Clasificación de especies animales
Cámaras trampa en la naturaleza
Factores de diseño de red
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 25
Citaciones: Sin citaciones
El aprendizaje de pocas muestras (FSL) describe el desafío de aprender una nueva tarea utilizando la cantidad mínima de datos etiquetados, y hemos observado un progreso significativo en esta área.
Descripción
El aprendizaje de pocas muestras (FSL) describe el desafío de aprender una nueva tarea utilizando la cantidad mínima de datos etiquetados, y hemos observado un progreso significativo en esta área.