新型AI算法提升海洋浮游生物图像机器鉴别性能
发布时间：2022-11-16 19:30:34 所属栏目：动态 来源：未知
导读： 经过了30多年来的发展，海洋水下成像仪器为海洋浮游生物原位观测带来了海量图像数据，刺激了计算机图像自动识别技术的长足发展。然而，训练机器对来自实际中复杂海洋环境下的图像数据进
|
经过了30多年来的发展，海洋水下成像仪器为海洋浮游生物原位观测带来了海量图像数据，刺激了计算机图像自动识别技术的长足发展。然而，训练机器对来自实际中复杂海洋环境下的图像数据进行准确识别始终是一项极具挑战的任务。现有浮游生物图像机器学习分类算法虽然在某些闭合数据集上取得了良好表现，但是当应用于来自不同时空的实际数据时，往往会出现性能不稳定甚至骤降的问题，不能满足海洋观测的实时准确要求。 通过深入调研，李剑平团队发现现有算法几乎全部将浮游生物识别问题处理成了一个对“N+1类”目标图像的分类问题（即N类感兴趣目标和1类所有不感兴趣目标）。然而，与其他领域中图像识别任务不同的是，在真实海洋环境中采集的数据必将面临成像质量恶化、数据分布不均、数据分布漂移和分布外样本出现等问题的挑战。 在该框架里，研究团队首先选取SEResNext作为浮游生物图像特征提取器，利用有监督的对比学习对其训练，使其获得较强的特征提取能力。识别图像时，通过比较待识别图像和一个检索库中图像特征的相似性，实现对其具体类别判定或对分布外样本的发现与拒识。 此外，IsPlanktonIR框架还提供了人机交互接口，以供使用者方便地检查校验识别结果，扩充检索库，不断完善增强识别性能。 （编辑：成都站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
站长推荐