水产养殖育种中关键点检测的鱼类数据集与评估指标基准——迈向精确的鱼类形态学评估
计算机视觉与模式识别
2024-06-04 v2
摘要
水产养殖育种中准确的表型分析需要对微妙的形态表型进行量化。现有数据集存在诸多局限性，如规模小、物种覆盖有限，以及缺乏用于测量鱼体各部位精细且复杂形态表型的关键点标注。为了填补这一空白，我们引入了 FishPhenoKey，这是一个包含 23,331 张跨越六种鱼类的高分辨率图像的综合数据集。值得注意的是，FishPhenoKey 包含 22 种面向表型的标注，能够捕获复杂的形态表型。受对这些微妙形态细致评估的启发，我们还提出了一种新的评估指标——已测表型百分比（PMP）。该指标旨在评估单个关键点位置的准确性，并且对使用相应关键点测量的表型高度敏感。为了提高关键点检测精度，我们进一步提出了一种新的损失函数——解剖学校准正则化（ACR），该函数可集成到关键点检测模型中，利用生物学洞察来优化关键点定位。我们的贡献为鱼类表型分析设定了新的基准，解决了精确形态量化的挑战，并为可持续水产养殖和遗传学研究开辟了新途径。我们的数据集和代码可在 https://github.com/WeizhenLiuBioinform/Fish-Phenotype-Detect 获取。
引用
@article{arxiv.2405.12476,
title = {Benchmarking Fish Dataset and Evaluation Metric in Keypoint Detection -- Towards Precise Fish Morphological Assessment in Aquaculture Breeding},
author = {Weizhen Liu and Jiayu Tan and Guangyu Lan and Ao Li and Dongye Li and Le Zhao and Xiaohui Yuan and Nanqing Dong},
journal= {arXiv preprint arXiv:2405.12476},
year = {2024}
}
备注
Accepted by IJCAI2024, Code: https://github.com/WeizhenLiuBioinform/Fish-Phenotype-Detect