Sep, 2023

自动化南极磷虾分析的计算机视觉流程

PDF
TL;DR英国南极调查队研究人员在南极每年进行考察，以估计南极磷虾生物量并评估与前几年的变化。通过比较，我们开发了自动化的数据收集和分析工具，利用基于网络的图像注释工具和深度学习图像分类和回归模型。我们实现了高度准确的磷虾实例分割结果，平均 AP 得分为 77.28%，并且对磷虾标本的成熟阶段和长度估计的准确性分别为 62.99% 和 1.96 毫米。
发现论文，激发创造
  • 浮游生物图像的高效无监督学习

    本文提出了一种高效的无监督学习流程来提供准确的浮游生物分类，并比较其与现有技术，在所有数据集中性能更好，提供更好的图像嵌入特性。

    Sep, 2022

  • 极地海冰分类的并行工作流程：使用 Sentinel-2 图像的自动标注

    使用 Sentinel-2 图像，通过自动标记从 S2 图像中过滤掉薄云和阴影，利用分段和自动标记的方法，训练 U-Net 机器学习模型，在极地海冰的 Ross Sea 地区实现了 98.97% 的分类准确度。

    Mar, 2024

  • 对螳螂虾的初步报告：多次调查的计算机视觉光度红移模型

    我们详细介绍了我们创建的多调查计算机视觉模型 Mantis Shrimp，用于光度红移估计，它融合了紫外（GALEX）、光学（PanSTARRS）和红外（UnWISE）图像，并使用深度学习可解释性诊断来衡量模型如何利用不同输入的信息并推理卷积神经网络的行为，特别是在物理根据的星系属性方面。

    Feb, 2024

  • 面向自动鲸类照片识别：海洋生态中细粒度、少样本学习的框架

    本文提出使用计算机视觉模型和后处理技术来创建一个完全自动的 Photo-identification (photo-id) 识别系统，该系统可以根据所有可用信息提供最可能的匹配，无需数据预处理，用于监测海洋中哺乳动物种群。系统通过目录相似性比较，能够处理以前未编目的个体，并标记这些个体以进行进一步调查。该文研究表明，系统在多个现实生活中的 Photo-id 相册上的表现非常好。

    Dec, 2022

  • WHOI-Plankton - 一个大规模细粒度视觉识别基准数据集，用于浮游生物分类

    科学家们越来越多地使用基于成像的技术研究浮游生物，而 WHOI-Plankton 是一个大规模、细粒度的可视化识别数据集，包括了 70 类超过 340 万张的专家标记图像，用于通过传统方法和两种基于卷积神经网络的方法来进行自动分类，并讨论了相关的分类性能评估指标和结果。

    Oct, 2015

  • 野外的自动珊瑚礁鱼类识别与三维测量

    本文介绍了一种使用立体图像的流水线，自动识别、跟踪鱼类并测量鱼群数量。

    Dec, 2023

  • 自动浮游生物图像识别调查：挑战、现有解决方案和未来展望

    通过综述现有方案，本文讨论了浮游生物自动识别中最大的挑战，并提出新数据集中面临的难点以及解决方案，并指出仍存在的几大问题，如不同数据集之间的领域转移、未曾见过的类别的图像处理难度和专家注释的不确定性，这需要加以解决。

    May, 2023

  • FathomNet2023 竞赛数据集

    海洋科学家收集了图像数据进行研究海洋生物多年来，这些图像和视频在基础科学和环境监测任务中非常有价值。然而，目前没有能够处理海洋视觉采样中普遍存在的样本种群的极端变异性、图像质量和栖息地特征的工具。为了充分利用海洋中的视觉数据，创建能够识别图像或视频序列中是否包含新生物、非常规动物集合或者是否越界的模型至关重要。FathomNet2023 竞赛数据集提供了一个真实的情景，其中目标数据中的动物集合与训练数据不同。挑战是在目标图像中识别生物并评估其是否越界。

    Jul, 2023

  • 相机陷阱图像审阅有效管道

    本文提出了一种利用预训练的通用动物检测器和标记图像集来训练分类模型的流水线技术，以实现在新地区高效准确地对物种进行分类的方法。

    Jul, 2019

  • 通过合成卫星图像优化鲸鱼识别

    通过生成航空和卫星合成图像数据集，SeaDroneSim2 基准套件改善了鲸鱼检测并减少了训练数据收集所需的工作量，相比仅使用真实数据进行训练，在鲸鱼检测方面取得了 15％的性能提升，通过对 10％的真实数据进行增补。

    Aug, 2023