基于 YOLOv8 的自动化珊瑚礁鱼类科室识别视频扫描管道
计算机视觉与模式识别
2025-11-04 v1
摘要
西印度洋的珊瑚礁监测受限于 underwater visual censuses 的劳动强度。这一工作评估了基于 YOLOv8 的深度学习管道，用于从肯尼亚和坦桑尼亚收集的视频扫描管道中实现家庭水平的鱼类识别。测试了覆盖 24 个科室的精选数据集，提供了西印度洋自动化珊瑚礁鱼类监控的首个区域特定基准。最佳模型在 [email protected] 上达到 0.52，对于丰富的科室检测准确率高，但对稀有或复杂的科室检测较弱。结果表明，深度学习作为传统监控方法的可扩展补充具有巨大的潜力。
引用
@article{arxiv.2511.00022,
title = {Automating Coral Reef Fish Family Identification on Video Transects Using a YOLOv8-Based Deep Learning Pipeline},
author = {Jules Gerard and Leandro Di Bella and Filip Huyghe and Marc Kochzius},
journal= {arXiv preprint arXiv:2511.00022},
year = {2025}
}
备注
Accepted to EUVIP2025, student session