Changes

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "Author": [
2
  "Author": [
            
3
    {
3
    {
            
4
      "affiliation": "Centre for Earth Observation Science - 
4
      "affiliation": "Centre for Earth Observation Science - 
            
5
University of Manitoba",
5
University of Manitoba",
            
6
      "creatorName": "Harasyn, Madison",
6
      "creatorName": "Harasyn, Madison",
            
7
      "email": "Madison.harasyn@umanitoba.ca",
7
      "email": "Madison.harasyn@umanitoba.ca",
            
8
      "nameIdentifier": "https://orcid.org/0000-0002-5741-6766",
8
      "nameIdentifier": "https://orcid.org/0000-0002-5741-6766",
            
9
      "nameIdentifierScheme": "ORCID",
9
      "nameIdentifierScheme": "ORCID",
            
10
      "nameType": "Personal",
10
      "nameType": "Personal",
            
11
      "schemeURI": "http://orcid.org/"
11
      "schemeURI": "http://orcid.org/"
            
12
    },
12
    },
            
13
    {
13
    {
            
14
      "affiliation": "Centre for Earth Observation Science - 
14
      "affiliation": "Centre for Earth Observation Science - 
            
15
University of Manitoba",
15
University of Manitoba",
            
16
      "creatorName": "Chan, Wayne",
16
      "creatorName": "Chan, Wayne",
            
17
      "email": "wayne.chan@umanitoba.ca",
17
      "email": "wayne.chan@umanitoba.ca",
            
18
      "nameIdentifier": "",
18
      "nameIdentifier": "",
            
19
      "nameType": "Personal"
19
      "nameType": "Personal"
            
20
    },
20
    },
            
21
    {
21
    {
            
22
      "affiliation": "Centre for Earth Observation Science - 
22
      "affiliation": "Centre for Earth Observation Science - 
            
23
University of Manitoba",
23
University of Manitoba",
            
24
      "creatorName": "Ausen, Emma",
24
      "creatorName": "Ausen, Emma",
            
25
      "email": "emma.ausen@umanitoba.ca",
25
      "email": "emma.ausen@umanitoba.ca",
            
26
      "nameIdentifier": "",
26
      "nameIdentifier": "",
            
27
      "nameType": "Personal"
27
      "nameType": "Personal"
            
28
    },
28
    },
            
29
    {
29
    {
            
30
      "affiliation": "Centre for Earth Observation Science - 
30
      "affiliation": "Centre for Earth Observation Science - 
            
31
University of Manitoba",
31
University of Manitoba",
            
32
      "creatorName": "Barber, David",
32
      "creatorName": "Barber, David",
            
33
      "email": "david.barber@umanitoba.ca",
33
      "email": "david.barber@umanitoba.ca",
            
34
      "nameIdentifier": "0000-0001-9466-3291",
34
      "nameIdentifier": "0000-0001-9466-3291",
            
35
      "nameIdentifierScheme": "ORCID",
35
      "nameIdentifierScheme": "ORCID",
            
36
      "nameType": "Personal",
36
      "nameType": "Personal",
            
37
      "schemeURI": "http://orcid.org/"
37
      "schemeURI": "http://orcid.org/"
            
38
    }
38
    }
            
39
  ],
39
  ],
            
40
  "Identifier": "10.1139/juvs-2021-0024",
40
  "Identifier": "10.1139/juvs-2021-0024",
            
41
  "PublicationYear": "2022",
41
  "PublicationYear": "2022",
            
42
  "Publisher": "Drone Systems and Applications",
42
  "Publisher": "Drone Systems and Applications",
            
43
  "ResourceType": "journal article",
43
  "ResourceType": "journal article",
            
44
  "Rights": "Creative Commons Attribution 4.0 International",
44
  "Rights": "Creative Commons Attribution 4.0 International",
            
45
  "Version": "1.0",
45
  "Version": "1.0",
            
46
  "author": null,
46
  "author": null,
            
47
  "author_email": null,
47
  "author_email": null,
            
48
  "awardTitle": "The Canada Excellence Research Chair (CERC) and the 
48
  "awardTitle": "The Canada Excellence Research Chair (CERC) and the 
            
49
Canada Research Chair (CRC programs)",
49
Canada Research Chair (CRC programs)",
            
50
  "awardURI": "https://www.cerc.gc.ca/",
50
  "awardURI": "https://www.cerc.gc.ca/",
            
51
  "citation": "Madison L.Harasyn, Wayne S.Chan, Emma L.Ausen, and 
51
  "citation": "Madison L.Harasyn, Wayne S.Chan, Emma L.Ausen, and 
            
52
David G.Barber. Detection and tracking of belugas, kayaks and 
52
David G.Barber. Detection and tracking of belugas, kayaks and 
            
53
motorized boats in drone video using deep learning. Drone Systems and 
53
motorized boats in drone video using deep learning. Drone Systems and 
            
54
Applications. 10(1): 77-96. https://doi.org/10.1139/juvs-2021-0024",
54
Applications. 10(1): 77-96. https://doi.org/10.1139/juvs-2021-0024",
            
55
  "creator_user_id": "cde7b848-a882-4fc7-97c9-670417bd6b43",
55
  "creator_user_id": "cde7b848-a882-4fc7-97c9-670417bd6b43",
            
56
  "descriptionType": "Abstract",
56
  "descriptionType": "Abstract",
            
57
  "funderIdentifier": "",
57
  "funderIdentifier": "",
            
58
  "funderIdentifierType": "",
58
  "funderIdentifierType": "",
            
59
  "funderName": "",
59
  "funderName": "",
            
60
  "funderSchemeURI": "",
60
  "funderSchemeURI": "",
            
61
  "grantNumber": "",
61
  "grantNumber": "",
            
62
  "groups": [
62
  "groups": [
            
63
    {
63
    {
            
n
64
      "description": "Inland water features, drainage systems and 
n
64
      "description": "Image: \"Earth from Space\" by NASA Goddard 
            
65
their characteristics. Examples of data you can find here include 
65
Photo and Video is licensed under CC BY 2.0",
            
66
river and lake data, water quality data. \r\n\r\nIn CEOS, related 

            
67
research themes include biogeochemistry, Inland lakes and waters, 

            
68
modelling, remote sensing and technology, trace metals and 

            
69
contaminants.",

            
70
      "display_name": "Freshwater",
66
      "display_name": "Remote Sensing",
            
71
      "id": "8f8cd877-b037-4b1a-b928-f86d9e093741",
67
      "id": "3ec49cbb-4da6-4fe8-8d54-5b6ce03b49d9",
            
72
      "image_display_url": 
68
      "image_display_url": 
            
n
73
/data/uploads/group/2021-10-31-211937.658599hyinspirehydrography.svg",
n
69
anitoba.ca/data/uploads/group/2022-02-05-222621.346712earthimage.jpg",
            
74
      "name": "freshwater",
70
      "name": "remote-sensing",
            
75
      "title": "Freshwater"
71
      "title": "Remote Sensing"
            
76
    },

            
77
    {

            
78
      "description": "Features and characteristics of salt water 

            
79
bodies.\r\n\r\nIn CEOS, related research themes include 

            
80
biogeochemistry, modelling, marine mammals, oil spill response, 

            
81
physical oceanography, remote sensing and technology and trace metals 

            
82
and contaminants",

            
83
      "display_name": "Marine",

            
84
      "id": "98238b1c-5be8-41ad-8c6e-74cdc4f5f369",

            
85
      "image_display_url": 

            
86
ata/uploads/group/2021-10-31-211516.365746ofinspireoceanographic.svg",

            
87
      "name": "marine",

            
88
      "title": "Marine"

            
89
    }
72
    }
            
90
  ],
73
  ],
            
91
  "id": "54b0d7a1-8536-4d40-b1bb-daad81805f43",
74
  "id": "54b0d7a1-8536-4d40-b1bb-daad81805f43",
            
92
  "isopen": false,
75
  "isopen": false,
            
93
  "keywords": "Beluga,Unmanned Aerial Vehicle,computer vision,deep 
76
  "keywords": "Beluga,Unmanned Aerial Vehicle,computer vision,deep 
            
94
learning,object detection,object tracking",
77
learning,object detection,object tracking",
            
95
  "language": "English",
78
  "language": "English",
            
96
  "licenceType": "Open",
79
  "licenceType": "Open",
            
97
  "license_id": null,
80
  "license_id": null,
            
98
  "license_title": null,
81
  "license_title": null,
            
99
  "maintainer": null,
82
  "maintainer": null,
            
100
  "maintainer_email": null,
83
  "maintainer_email": null,
            
101
  "metadata_created": "2022-04-07T19:45:13.021227",
84
  "metadata_created": "2022-04-07T19:45:13.021227",
            
n
102
  "metadata_modified": "2022-05-19T22:56:08.496324",
n
85
  "metadata_modified": "2022-11-02T19:46:29.787030",
            
103
  "name": 
86
  "name": "detect-video-deep-learning",
            
104
elugas-kayaks-and-motorized-boats-in-drone-video-using-deep-learning",

            
105
  "notes": "Aerial imagery surveys are commonly used in marine mammal 
87
  "notes": "Aerial imagery surveys are commonly used in marine mammal 
            
106
research to determine population size, distribution and habitat use. 
88
research to determine population size, distribution and habitat use. 
            
107
Analysis of aerial photos involves hours of manually identifying 
89
Analysis of aerial photos involves hours of manually identifying 
            
108
individuals present in each image and converting raw counts into 
90
individuals present in each image and converting raw counts into 
            
109
useable biological statistics. Our research proposes the use of deep 
91
useable biological statistics. Our research proposes the use of deep 
            
110
learning algorithms to increase the efficiency of the marine mammal 
92
learning algorithms to increase the efficiency of the marine mammal 
            
111
research workflow. To test the feasibility of this proposal, the 
93
research workflow. To test the feasibility of this proposal, the 
            
112
existing YOLOv4 convolutional neural network model was trained to 
94
existing YOLOv4 convolutional neural network model was trained to 
            
113
detect belugas, kayaks and motorized boats in oblique drone imagery, 
95
detect belugas, kayaks and motorized boats in oblique drone imagery, 
            
114
collected from a stationary tethered system. Automated computer-based 
96
collected from a stationary tethered system. Automated computer-based 
            
115
object detection achieved the following precision and recall, 
97
object detection achieved the following precision and recall, 
            
116
respectively, for each class: beluga = 74%/72%; boat = 97%/99%; and 
98
respectively, for each class: beluga = 74%/72%; boat = 97%/99%; and 
            
117
kayak = 96%/96%. We then tested the performance of computer vision 
99
kayak = 96%/96%. We then tested the performance of computer vision 
            
118
tracking of belugas and occupied watercraft in drone videos using the 
100
tracking of belugas and occupied watercraft in drone videos using the 
            
119
DeepSORT tracking algorithm, which achieved a multiple-object tracking 
101
DeepSORT tracking algorithm, which achieved a multiple-object tracking 
            
120
accuracy (MOTA) ranging from 37% to 88% and multiple object tracking 
102
accuracy (MOTA) ranging from 37% to 88% and multiple object tracking 
            
121
precision (MOTP) between 63% and 86%. Results from this research 
103
precision (MOTP) between 63% and 86%. Results from this research 
            
122
indicate that deep learning technology can detect and track features 
104
indicate that deep learning technology can detect and track features 
            
123
more consistently than human annotators, allowing for larger datasets 
105
more consistently than human annotators, allowing for larger datasets 
            
124
to be processed within a fraction of the time while avoiding 
106
to be processed within a fraction of the time while avoiding 
            
125
discrepancies introduced by labeling fatigue or multiple human 
107
discrepancies introduced by labeling fatigue or multiple human 
            
126
annotators.",
108
annotators.",
            
127
  "num_resources": 1,
109
  "num_resources": 1,
            
128
  "num_tags": 6,
110
  "num_tags": 6,
            
129
  "organization": {
111
  "organization": {
            
130
    "approval_status": "approved",
112
    "approval_status": "approved",
            
131
    "created": "2017-07-21T13:15:49.935872",
113
    "created": "2017-07-21T13:15:49.935872",
            
132
    "description": "The Centre for Earth Observation Science (CEOS) 
114
    "description": "The Centre for Earth Observation Science (CEOS) 
            
133
was established in 1994 with a mandate to research, preserve and 
115
was established in 1994 with a mandate to research, preserve and 
            
134
communicate knowledge of Earth system processes using the technologies 
116
communicate knowledge of Earth system processes using the technologies 
            
135
of Earth Observation Science. Research is multidisciplinary and 
117
of Earth Observation Science. Research is multidisciplinary and 
            
136
collaborative seeking to understand the complex interrelationships 
118
collaborative seeking to understand the complex interrelationships 
            
137
between elements of Earth systems, and how these systems will likely 
119
between elements of Earth systems, and how these systems will likely 
            
138
respond to climate change. Although researchers have worked in many 
120
respond to climate change. Although researchers have worked in many 
            
139
regions, the Arctic marine system has always been a unifying focus of 
121
regions, the Arctic marine system has always been a unifying focus of 
            
140
activity.\r\n\r\nIn 2012, CEOS, along with the Greenland Climate 
122
activity.\r\n\r\nIn 2012, CEOS, along with the Greenland Climate 
            
141
Research Centre (GCRC, Nuuk, Greenland) and the Arctic Research Centre 
123
Research Centre (GCRC, Nuuk, Greenland) and the Arctic Research Centre 
            
142
(ARC, Aarhus, Denmark) established the Arctic Science Partnership, 
124
(ARC, Aarhus, Denmark) established the Arctic Science Partnership, 
            
143
thereby integrating academic and research initiatives.\r\n\r\nAreas of 
125
thereby integrating academic and research initiatives.\r\n\r\nAreas of 
            
144
existing research activity are divided among key themes:\r\n\r\nArctic 
126
existing research activity are divided among key themes:\r\n\r\nArctic 
            
145
Anthropology/Paleoclimatology: LiDAR scanning and digital site 
127
Anthropology/Paleoclimatology: LiDAR scanning and digital site 
            
146
preservation, archaeo-geophysics, permafrost degredation, lithic 
128
preservation, archaeo-geophysics, permafrost degredation, lithic 
            
147
morphometrics, zooarchaeology, proxy studies, paleodistribution of sea 
129
morphometrics, zooarchaeology, proxy studies, paleodistribution of sea 
            
148
ice, landscape learning, Paleo-Eskimo culture, Thule Inuit culture, 
130
ice, landscape learning, Paleo-Eskimo culture, Thule Inuit culture, 
            
149
ethnographic analogy, traditional knowledge, climate change and 
131
ethnographic analogy, traditional knowledge, climate change and 
            
150
northern heritage resource management.\r\n\r\nAtmospheric 
132
northern heritage resource management.\r\n\r\nAtmospheric 
            
151
Studies/Meteorology: Boundary layer, precipitation, clouds, storms and 
133
Studies/Meteorology: Boundary layer, precipitation, clouds, storms and 
            
152
extreme weather, circulation, eddy correlations, polar vortex, 
134
extreme weather, circulation, eddy correlations, polar vortex, 
            
153
climate, teleconnections, geophysical fluid dynamics, flux and energy 
135
climate, teleconnections, geophysical fluid dynamics, flux and energy 
            
154
budgets, ocean-sea ice-atmosphere interface, radiative transfer, ice 
136
budgets, ocean-sea ice-atmosphere interface, radiative transfer, ice 
            
155
albedo feedback, cloud radiative forcing, pCO2. 
137
albedo feedback, cloud radiative forcing, pCO2. 
            
156
\r\n\r\nBiogeochemistry: Organic carbon, greenhouse gases, bubbles, 
138
\r\n\r\nBiogeochemistry: Organic carbon, greenhouse gases, bubbles, 
            
157
Ikaite, carbonate chemistry, CO2 fluxes, mercury and other trace 
139
Ikaite, carbonate chemistry, CO2 fluxes, mercury and other trace 
            
158
metals, minerals, hydrocarbons, brine processes, otolith 
140
metals, minerals, hydrocarbons, brine processes, otolith 
            
159
microchemistry, sediments, biomarkers. \r\n\r\nContaminants: Mercury, 
141
microchemistry, sediments, biomarkers. \r\n\r\nContaminants: Mercury, 
            
160
trace metals, PAHs, source, transport, transformation, pathways, 
142
trace metals, PAHs, source, transport, transformation, pathways, 
            
161
bioaccumulations, marine ecosystems, marine chemistry. \r\nEarth 
143
bioaccumulations, marine ecosystems, marine chemistry. \r\nEarth 
            
162
Observation Science: Active and passive microwave, LiDAR, EM 
144
Observation Science: Active and passive microwave, LiDAR, EM 
            
163
induction, spatial-temporal analysis, forward and inverse scattering 
145
induction, spatial-temporal analysis, forward and inverse scattering 
            
164
models, complex permittivity, ocean colour, ocean surface roughness, 
146
models, complex permittivity, ocean colour, ocean surface roughness, 
            
165
NIR, TIR, satellite telemetry, GPS. Ice-Associated Biology: 
147
NIR, TIR, satellite telemetry, GPS. Ice-Associated Biology: 
            
166
Biophysical processes, primary production; ice algae, ice 
148
Biophysical processes, primary production; ice algae, ice 
            
167
microbiology, bio-optics, under-ice phytoplankton. \r\n\r\nInland 
149
microbiology, bio-optics, under-ice phytoplankton. \r\n\r\nInland 
            
168
Lakes and Waters: Hydrologic connectivity, watershed systems, sediment 
150
Lakes and Waters: Hydrologic connectivity, watershed systems, sediment 
            
169
transport, nutrient transport, contaminants, landscape processes, 
151
transport, nutrient transport, contaminants, landscape processes, 
            
170
remote sensing, freshwater-marine coupling. Marine Mammals: Seals, 
152
remote sensing, freshwater-marine coupling. Marine Mammals: Seals, 
            
171
whales, habitat, conservation, satellite telemetry, distribution, 
153
whales, habitat, conservation, satellite telemetry, distribution, 
            
172
population studies, prey behaviour, bioacoustics.\r\n\r\nModelling: 
154
population studies, prey behaviour, bioacoustics.\r\n\r\nModelling: 
            
173
Simulation of sea ice and oceanic regional processes, Nucleus for 
155
Simulation of sea ice and oceanic regional processes, Nucleus for 
            
174
European Modelling of the Ocean (NEMO), ice-ocean modelling and 
156
European Modelling of the Ocean (NEMO), ice-ocean modelling and 
            
175
interactions, hind cast simulations and projections for sea ice state 
157
interactions, hind cast simulations and projections for sea ice state 
            
176
and ocean variables based on CMIP5 scenarios and MIROC5 forcing, 
158
and ocean variables based on CMIP5 scenarios and MIROC5 forcing, 
            
177
validation.\r\n\r\nOceanography: Circulation, temperature, in-flow and 
159
validation.\r\n\r\nOceanography: Circulation, temperature, in-flow and 
            
178
out-flow shelves, water dynamics, microturbulence, Beaufort Gyre, eddy 
160
out-flow shelves, water dynamics, microturbulence, Beaufort Gyre, eddy 
            
179
correlations.\r\n\r\nSea Ice Geophysics:Thermodynamic and dynamic 
161
correlations.\r\n\r\nSea Ice Geophysics:Thermodynamic and dynamic 
            
180
processes, extreme ice features and hazards, snow, ridges, 
162
processes, extreme ice features and hazards, snow, ridges, 
            
181
polynyas.\r\n\r\nTraditional and Local Knowledge: Indigenous cultures, 
163
polynyas.\r\n\r\nTraditional and Local Knowledge: Indigenous cultures, 
            
182
Inuit, Inuvialuit, oral history, toponomy, mobility and settlement, 
164
Inuit, Inuvialuit, oral history, toponomy, mobility and settlement, 
            
183
hunting, food security, sea ice use, community-based research, 
165
hunting, food security, sea ice use, community-based research, 
            
184
community-based monitoring, two ways of knowing.",
166
community-based monitoring, two ways of knowing.",
            
185
    "id": "9e21f6b6-d13f-4ba2-a379-fd962f507071",
167
    "id": "9e21f6b6-d13f-4ba2-a379-fd962f507071",
            
186
    "image_url": "2021-11-13-003953.952874UMLogoHORZ.jpg",
168
    "image_url": "2021-11-13-003953.952874UMLogoHORZ.jpg",
            
187
    "is_organization": true,
169
    "is_organization": true,
            
n
188
    "name": "ceos2",
n
170
    "name": "ceos",
            
189
    "state": "active",
171
    "state": "active",
            
t
190
    "title": "CEOS",
t
172
    "title": "Centre for Earth Observation Science",
            
191
    "type": "organization"
173
    "type": "organization"
            
192
  },
174
  },
            
193
  "owner_org": "9e21f6b6-d13f-4ba2-a379-fd962f507071",
175
  "owner_org": "9e21f6b6-d13f-4ba2-a379-fd962f507071",
            
194
  "private": false,
176
  "private": false,
            
195
  "related_datasets": "[\"b5f259b4-3ace-4750-bfb0-47c4e794082f\"]",
177
  "related_datasets": "[\"b5f259b4-3ace-4750-bfb0-47c4e794082f\"]",
            
196
  "related_programs": "[]",
178
  "related_programs": "[]",
            
197
  "relationships_as_object": [],
179
  "relationships_as_object": [],
            
198
  "relationships_as_subject": [],
180
  "relationships_as_subject": [],
            
199
  "resources": [
181
  "resources": [
            
200
    {
182
    {
            
201
      "cache_last_updated": null,
183
      "cache_last_updated": null,
            
202
      "cache_url": null,
184
      "cache_url": null,
            
203
      "created": "2022-04-07T19:49:13.974750",
185
      "created": "2022-04-07T19:49:13.974750",
            
204
      "datastore_active": false,
186
      "datastore_active": false,
            
205
      "datastore_contains_all_records_of_source_file": false,
187
      "datastore_contains_all_records_of_source_file": false,
            
206
      "description": "Churchill Beluga Boat Drone Imagery related 
188
      "description": "Churchill Beluga Boat Drone Imagery related 
            
207
journal article published in Drone Systems and Applications.\r\nDOI: 
189
journal article published in Drone Systems and Applications.\r\nDOI: 
            
208
https://doi.org/10.1139/juvs-2021-0024",
190
https://doi.org/10.1139/juvs-2021-0024",
            
209
      "format": "PDF",
191
      "format": "PDF",
            
210
      "hash": "",
192
      "hash": "",
            
211
      "id": "5bcbb0bc-425b-4fad-b7ff-4c8599043dcf",
193
      "id": "5bcbb0bc-425b-4fad-b7ff-4c8599043dcf",
            
212
      "last_modified": "2022-04-07T20:02:20.594051",
194
      "last_modified": "2022-04-07T20:02:20.594051",
            
213
      "metadata_modified": "2022-04-07T20:02:20.619290",
195
      "metadata_modified": "2022-04-07T20:02:20.619290",
            
214
      "mimetype": "application/pdf",
196
      "mimetype": "application/pdf",
            
215
      "mimetype_inner": null,
197
      "mimetype_inner": null,
            
216
      "name": "Detection and tracking of belugas, kayaks and motorized 
198
      "name": "Detection and tracking of belugas, kayaks and motorized 
            
217
boats in drone video using deep learning",
199
boats in drone video using deep learning",
            
218
      "package_id": "54b0d7a1-8536-4d40-b1bb-daad81805f43",
200
      "package_id": "54b0d7a1-8536-4d40-b1bb-daad81805f43",
            
219
      "position": 0,
201
      "position": 0,
            
220
      "resCategory": "supplemental",
202
      "resCategory": "supplemental",
            
221
      "resource_type": null,
203
      "resource_type": null,
            
222
      "size": 4104522,
204
      "size": 4104522,
            
223
      "state": "active",
205
      "state": "active",
            
224
      "url": 
206
      "url": 
            
225
rce/5bcbb0bc-425b-4fad-b7ff-4c8599043dcf/download/juvs-2021-0024.pdf",
207
rce/5bcbb0bc-425b-4fad-b7ff-4c8599043dcf/download/juvs-2021-0024.pdf",
            
226
      "url_type": "upload"
208
      "url_type": "upload"
            
227
    }
209
    }
            
228
  ],
210
  ],
            
229
  "rightsIdentifier": "CC-BY-4.0",
211
  "rightsIdentifier": "CC-BY-4.0",
            
230
  "rightsIdentifierScheme": "SPDX",
212
  "rightsIdentifierScheme": "SPDX",
            
231
  "rightsSchemeURI": "https://spdx.org/licenses",
213
  "rightsSchemeURI": "https://spdx.org/licenses",
            
232
  "rightsURI": "https://spdx.org/licenses/CC-BY-4.0.html",
214
  "rightsURI": "https://spdx.org/licenses/CC-BY-4.0.html",
            
233
  "schemeURI": "",
215
  "schemeURI": "",
            
234
  "state": "active",
216
  "state": "active",
            
235
  "subjectScheme": "",
217
  "subjectScheme": "",
            
236
  "tags": [
218
  "tags": [
            
237
    {
219
    {
            
238
      "display_name": "Beluga",
220
      "display_name": "Beluga",
            
239
      "id": "a9f25a89-b0ef-4d4d-993d-73f28e0d702a",
221
      "id": "a9f25a89-b0ef-4d4d-993d-73f28e0d702a",
            
240
      "name": "Beluga",
222
      "name": "Beluga",
            
241
      "state": "active",
223
      "state": "active",
            
242
      "vocabulary_id": null
224
      "vocabulary_id": null
            
243
    },
225
    },
            
244
    {
226
    {
            
245
      "display_name": "Unmanned Aerial Vehicle",
227
      "display_name": "Unmanned Aerial Vehicle",
            
246
      "id": "a6dc9001-e6da-4a84-bfec-2941d3ebce78",
228
      "id": "a6dc9001-e6da-4a84-bfec-2941d3ebce78",
            
247
      "name": "Unmanned Aerial Vehicle",
229
      "name": "Unmanned Aerial Vehicle",
            
248
      "state": "active",
230
      "state": "active",
            
249
      "vocabulary_id": null
231
      "vocabulary_id": null
            
250
    },
232
    },
            
251
    {
233
    {
            
252
      "display_name": "computer vision",
234
      "display_name": "computer vision",
            
253
      "id": "d7270905-c420-4d19-aa9c-c6f818ab5b67",
235
      "id": "d7270905-c420-4d19-aa9c-c6f818ab5b67",
            
254
      "name": "computer vision",
236
      "name": "computer vision",
            
255
      "state": "active",
237
      "state": "active",
            
256
      "vocabulary_id": null
238
      "vocabulary_id": null
            
257
    },
239
    },
            
258
    {
240
    {
            
259
      "display_name": "deep learning",
241
      "display_name": "deep learning",
            
260
      "id": "87526358-2d8a-4c78-8375-38c132b53d5a",
242
      "id": "87526358-2d8a-4c78-8375-38c132b53d5a",
            
261
      "name": "deep learning",
243
      "name": "deep learning",
            
262
      "state": "active",
244
      "state": "active",
            
263
      "vocabulary_id": null
245
      "vocabulary_id": null
            
264
    },
246
    },
            
265
    {
247
    {
            
266
      "display_name": "object detection",
248
      "display_name": "object detection",
            
267
      "id": "a3d44586-cba5-4685-b07a-2d2f16578353",
249
      "id": "a3d44586-cba5-4685-b07a-2d2f16578353",
            
268
      "name": "object detection",
250
      "name": "object detection",
            
269
      "state": "active",
251
      "state": "active",
            
270
      "vocabulary_id": null
252
      "vocabulary_id": null
            
271
    },
253
    },
            
272
    {
254
    {
            
273
      "display_name": "object tracking",
255
      "display_name": "object tracking",
            
274
      "id": "28ce0864-2ed8-43d1-b80d-d79684cac63f",
256
      "id": "28ce0864-2ed8-43d1-b80d-d79684cac63f",
            
275
      "name": "object tracking",
257
      "name": "object tracking",
            
276
      "state": "active",
258
      "state": "active",
            
277
      "vocabulary_id": null
259
      "vocabulary_id": null
            
278
    }
260
    }
            
279
  ],
261
  ],
            
280
  "theme": [
262
  "theme": [
            
281
    "8f8cd877-b037-4b1a-b928-f86d9e093741",
263
    "8f8cd877-b037-4b1a-b928-f86d9e093741",
            
282
    "98238b1c-5be8-41ad-8c6e-74cdc4f5f369",
264
    "98238b1c-5be8-41ad-8c6e-74cdc4f5f369",
            
283
    "3ec49cbb-4da6-4fe8-8d54-5b6ce03b49d9"
265
    "3ec49cbb-4da6-4fe8-8d54-5b6ce03b49d9"
            
284
  ],
266
  ],
            
285
  "title": "Detection and tracking of belugas, kayaks and motorized 
267
  "title": "Detection and tracking of belugas, kayaks and motorized 
            
286
boats in drone video using deep learning",
268
boats in drone video using deep learning",
            
287
  "type": "publication",
269
  "type": "publication",
            
288
  "url": null,
270
  "url": null,
            
289
  "version": null
271
  "version": null
            
290
}
272
}