اکسپرس 24
ترجمه فارسی مقاله تشخیص حرکت حیوانات از رادار هواشناسی با استفاده از یادگیری خودنظارتی

ترجمه فارسی مقاله تشخیص حرکت حیوانات از رادار هواشناسی با استفاده از یادگیری خودنظارتی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Detection of Animal Movement from Weather Radar using Self-Supervised Learning
عنوان مقاله به فارسی تشخیص حرکت حیوانات از رادار هواشناسی با استفاده از یادگیری خودنظارتی
نویسندگان Mubin Ul Haque, Joel Janek Dabrowski, Rebecca M. Rogers, Hazel Parry
فرمت مقاله انگلیسی PDF
تعداد صفحات 15
دسته بندی موضوعات Machine Learning,یادگیری ماشین ,
توضیحات Submitted 8 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 8 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 600,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Detecting flying animals (e.g., birds, bats, and insects) using weather radar helps gain insights into animal movement and migration patterns, aids in management efforts (such as biosecurity) and enhances our understanding of the ecosystem.The conventional approach to detecting animals in weather radar involves thresholding: defining and applying thresholds for the radar variables, based on expert opinion. More recently, Deep Learning approaches have been shown to provide improved performance in detection. However, obtaining sufficient labelled weather radar data for flying animals to build learning-based models is time-consuming and labor-intensive. To address the challenge of data labelling, we propose a self-supervised learning method for detecting animal movement. In our proposed method, we pre-train our model on a large dataset with noisy labels produced by a threshold approach. The key advantage is that the pre-trained dataset size is limited only by the number of radar images available. We then fine-tune the model on a small human-labelled dataset. Our experiments on Australian weather radar data for waterbird segmentation show that the proposed method outperforms the current state-of-the art approach by 43.53% in the dice co-efficient statistic.

چکیده به فارسی (ترجمه ماشینی)

تشخیص حیوانات پرنده (به عنوان مثال ، پرندگان ، خفاش ها و حشرات) با استفاده از رادار آب و هوا به به دست آوردن بینش در مورد حرکت حیوانات و الگوهای مهاجرت ، کمک به تلاش های مدیریتی (مانند امنیت زیستی) کمک می کند و درک ما از اکوسیستم را تقویت می کند.رادار آب و هوا شامل آستانه است: تعیین و استفاده از آستانه برای متغیرهای رادار ، بر اساس نظر متخصص.اخیراً ، رویکردهای یادگیری عمیق نشان داده شده است که عملکرد بهبود یافته در تشخیص را ارائه می دهد.با این حال ، به دست آوردن داده های رادار آب و هوا به اندازه کافی برای حیوانات پرنده برای ساختن مدلهای مبتنی بر یادگیری ، وقت گیر و پر کار است.برای پرداختن به چالش برچسب زدن به داده ها ، ما یک روش یادگیری خود سنجی برای تشخیص حرکت حیوانات پیشنهاد می کنیم.در روش پیشنهادی ما ، ما مدل خود را در یک مجموعه داده بزرگ با برچسب های پر سر و صدا تولید شده توسط یک روش آستانه از قبل ردیابی می کنیم.مزیت اصلی این است که اندازه مجموعه داده از پیش آموزش داده شده فقط با تعداد تصاویر راداری موجود محدود است.سپس مدل را روی یک مجموعه داده کوچک با برچسب انسان تنظیم می کنیم.آزمایشات ما در مورد داده های رادار هواشناسی استرالیا برای تقسیم آب و آب نشان می دهد که روش پیشنهادی از رویکرد فعلی ART با 43.53 ٪ در آمار همزمان تاس استفاده می کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.