基于深度学习的水声图中鲱鱼鱼群检测框架
机器学习
2019-10-21 v1 计算机视觉与模式识别
图像与视频处理
机器学习
摘要
追踪水下物种的丰度对于理解气候变化对海洋生态系统的影响至关重要。生物学家通常用回声测深仪监测水下站点并将数据可视化为 2D 图像（声纳图）；他们手动或半自动地解释这些数据，这耗时且容易出现不一致。本文提出了一种从声纳图中自动检测鲱鱼鱼群的深度学习框架。实验表明，我们的方法优于使用手工特征的传统机器学习算法。我们的框架可以容易地扩展以检测对可持续渔业更重要的更多物种。
引用
@article{arxiv.1910.08215,
title = {A Deep Learning-based Framework for the Detection of Schools of Herring in Echograms},
author = {Alireza Rezvanifar and Tunai Porto Marques and Melissa Cote and Alexandra Branzan Albu and Alex Slonimer and Thomas Tolhurst and Kaan Ersahin and Todd Mudge and Stephane Gauthier},
journal= {arXiv preprint arXiv:1910.08215},
year = {2019}
}
备注
Accepted to NeurIPS 2019 workshop on Tackling Climate Change with Machine Learning, Vancouver, Canada