华体会ICES J MAR SCI
时间：2024-04-26 14:09:42 已阅读:77次
北京时间11月10日，中国科学院深圳进步前辈技能研究院集成所光电项目技能中央李剑平玻士团队于海洋数据呆板进修算法研究中取患上新结果，提出了一种基在对于比进修的浮游生物图象辨认检索框架，于解决现实海洋数据中的不平衡漫衍、数据漂移、开集辨认问题中揭示出了优秀机能。
论文以Contrastive Learning-based Image Retrieval for Automatic Recognition of in situ Marine Plankton Images为题，揭晓于国际海洋考查理事会海洋科学期刊ICES Journal of Marine Science上。中国科学院年夜学硕士杨振宇为第一作者，李剑平玻士为论文通讯作者，深圳进步前辈院为第一单元。来自厦门年夜学、哈尔滨工业年夜学（深圳）的数据科学家介入本课题的互助研究。
文章上线截图 原文链接：https://doi.org/10.1093/icesjms/fsac198 颠末了30多年来的成长，海洋水下成像仪器为海洋浮游生物原位不雅测带来了海量图象数据，刺激了计较机图象主动辨认技能的长足成长。然而，练习呆板对于来自现实中繁杂海洋情况下的图象数据举行正确辨认一直是一项极具应战的使命。现有浮游生物图象呆板进修分类算法虽然于某些闭合数据集上取患了精良体现，可是当运用在来自差别时空的现实数据时，每每会呈现机能不不变以至骤降的问题，不克不及满意海洋不雅测的及时正确要求。 经由过程深切调研，李剑平团队发明现有算法险些全数将浮游生物辨认问题处置惩罚成为了一个对于 N+1类 方针图象的分类问题（即N类感乐趣方针以及1类所有不感乐趣方针）。然而，与其他范畴中图象辨认使命差别的是，于真实海洋情况中收罗的数据势必面对成像品质恶化、数据漫衍不均、数据漫衍漂移以及漫衍外样本呈现等问题的应战。是以，于闭合数据集上练习优化的呆板进修算法于运用时，因为待辨认数据集不满意与练习数据集的自力同漫衍前提，致使辨认机能极易降落，只能经由过程费时吃力的数据从头标注以及模子从头练习来恢复其机能，显然如许就形成了呆板进修算法的昂扬的部署成本，难以于现实中运用。 
李剑平团队提出的浮游生物原位图象检索辨认框架IsPlanktonIR示意 针对于这一瓶颈，李剑平团队设计并练习了一种基在对于比进修的浮游生物图象检索框架IsPlanktonIR，以图象相似度比对于的体式格局，经由过程图象检索矫捷地解决浮游生物的原位图象辨认问题，实现浮游生物图象的主动辨认。 于该框架里，研究团队起首拔取SEResNext作为浮游生物图象特性提取器，哄骗有监视的对于比进修对于其练习，使其得到较强的特性提取威力。辨认图象时，经由过程比力待辨认图象以及一个检索库中图象特性的相似性，实现对于其详细种别判断或者对于漫衍外样本的发明与拒识。 此外，IsPlanktonIR框架还提供了人机交互接口，以供使用者利便地查抄校验辨认成果，扩充检索库，不停完美加强辨认机能。 
练习浮游生物图象检索框架中特性提取器的代表图象数据 为了实现该辨认框架的算法练习以及效果验证，团队哄骗自力研发的海洋浮游生物原位光学成像仪于深圳年夜亚湾以及海南昌江海疆收罗的图象构建了一个试验数据集。哄骗该数据集，团队使用部门种别图象对于模子举行了练习，组织了多种差别组合的检测数据集，以查验该框架于真实海洋情况中应答势必发生的数据不平衡、数据漫衍漂移、漫衍外样本呈现环境下的机能体现。 试验成果注解，IsPlanktonIR算法框架于应答同时存于上述问题的测试集上均体现出了优秀的机能。尤为是当测试中碰到新种别图象呈现时，只需向检索库中增添部门新的人工标注样本，便可使框架及时拥有对于新种别图象的准确辨认威力。 此外，团队还对于该框架与经典的浮游生物图象分类算法以及最新的异样值检测算法的机能于不异的测试集长进行了比力。成果注解，IsPlanktonIR不只于两者不成处置惩罚的开集辨认问题上取患了很好的效果，于这两类算法擅优点理的闭集分类问题上也取患了可相比、以至部门逾越的机能指标。IsPlanktonIR的辨认成果稳健性也年夜年夜加强，展示出了于现实海洋不雅测运用中的靠得住性以及矫捷性。 
于差别前提下的测试试验中IsPlanktonIR辨认框架以及比照算法的机能体现对于比 此外，为了提高框架的图象检索效率，减小存储以及计较开消，李剑平团队还提出了一种压缩精简的算法，将浮游生物图象检索库进一步稀少化，于险些不降低辨认正确率的条件下将检索库的巨细缩小了一半，保障了基在图象检索的图象辨认框架于年夜范围数据下的检索速率，以满意海洋不雅测的高及时性要求。 IsPlanktonIR框架的成长为真实海水情况下的浮游生物原位持久不雅测提供了一套越发有用、稳健、矫捷、便捷的算法方案，越发切近海洋不雅测的现实需求，将有助在促成人工智能于海洋生物不雅测辨认使命的落地运用。 该论文研究获得了中国科学院国际互助重点工程以及深圳市科技立异规划根蒂根基研究重点工程的撑持。 出格声明：本文转载仅仅是出在流传信息的需要，其实不象征着代表本消息网不雅点或者证明其内容的真实性；如其他媒体、消息网或者小我私家从本消息网转载使用，须保留本消息网注明的 来历 ，并自大版权等法令�����APP义务；作者假如不但愿被转载或者者接洽转载稿费等事宜，请与咱们联系。/华体会