人工智能驱动的化石虎鲨牙齿识别:卷积神经网络的潜力
计算机视觉与模式识别
2024-05-08 v1
摘要
人工智能正在深刻影响所有知识领域。特别是深度学习范式使得开发支持各类领域专家的数据分析工具成为可能,从物理到古语言识别。古生物学学科也逐渐体验到这一趋势。本研究探讨了卷积神经网络(CNN)用于对来自在线数据集以及作者个人经验(秘�斯中新世和意大利更新世化石化石虎鲨牙齿)收集的化石虎鲨牙齿进行分类的能力。最终合并后的数据集(包含超过一千张图像)中包含的虎鲨科属群包括:Carcharhinus、Carcharias、Carcharocles、Chlamydoselachus、Cosmopolitodus、Galeocerdo、Hemipristis、Notorynchus、Prionace 和 Squatina。我们开发了一种专为本识别任务量身定制的 CNN,命名为 SharkNet-X,在包含单只虎鲨牙齿的图像进行 5 折交叉验证平均准确率达到 0.85。此外,我们通过应用聚类技术 t-SNE 实现了对 CNN 最后一层提取特征的可视化。为从古生物学角度理解 CNN 的行为并解释结果,我们引入了解释方法 SHAP。据我们了解,这是首次将该方法应用于古生物学领域。本工作的主要目标是展示深度学习技术如何有助于识别孤立的化石虎鲨牙齿,为开发自动识别和分类化石的新信息工具指明了方向。
关键词
引用
@article{arxiv.2405.04189,
title = {Artificial Intelligence-powered fossil shark tooth identification: Unleashing the potential of Convolutional Neural Networks},
author = {Andrea Barucci and Giulia Ciacci and Pietro Liò and Tiago Azevedo and Andrea Di Cencio and Marco Merella and Giovanni Bianucci and Giulia Bosio and Simone Casati and Alberto Collareta},
journal= {arXiv preprint arXiv:2405.04189},
year = {2024}
}
备注
40 pages, 8 figures