Multi‐image flock size estimation with <scp>CountEm</scp>: A case study with half a million Common Eiders and Greater Snow Geese
Notice bibliographique
Résumé
Abstract Many of the methods used for estimating population size from ecological surveys have limitations on precision, cost, and/or applicability. The CountEm method was proposed recently for estimating the number of individuals in large groups from single images. It is simple and efficient, and can be applied to any species. Here we present a case study by applying CountEm to a real ecological survey with 278 images of Greater Snow Geese ( Anser caerulescens atlanticus ) and Common Eiders ( Somateria mollissima ) flocks taken from fixed‐wing aircraft in Eastern Canada. First, we evaluated the precision and counting time of CountEm on single images. Second, we developed and tested a new multi‐image version of the CountEm software. We show that flock sizes of N > 35,000 can be estimated on single images in ∼5 min, from counting a sample of ∼200 birds, yielding relative SEs in the 5%−10% range. Processing times increased to 10–20 min when simultaneously processing large numbers of images that contained over half a million birds with only modest increases in relative SE (range: 10%−15%). Our results suggest that CountEm may be used to save time and resources if incorporated into monitoring programs that utilize imagery in the abundance estimates.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».