BenthIQ：一种基于 Transformer 的珊瑚修复底栖分类模型
计算机视觉与模式识别
2023-11-27 v1
摘要
珊瑚礁对全球海洋生物多样性、海岸保护以及支撑人类生计至关重要。然而，随着气候变化的到来，它们正日益受到大规模白化事件、污染和不可持续做法的威胁。监测这些生态系统的健康对于有效的修复和管理至关重要。当前创建底栖组成图的方法往往在空间覆盖范围和分辨率之间妥协。在本文中，我们介绍了 BenthIQ，一种多标签语义分割网络，旨在对水下底质（包括活珊瑚、藻类、岩石和沙地）进行高精度分类。尽管通常部署的 CNN 在学习长程语义信息方面存在局限，但基于 transformer 的模型最近在目标检测和图像分类等视觉任务中取得了最先进的性能。我们将分层 Swin Transformer 集成为 U 形编码器-解码器架构的骨干，用于局部-全局语义特征学习。通过在法属波利尼西亚的一个真实案例研究，我们证明了我们的方法在浅水礁成像的逐像素分类上优于传统的 CNN 和基于注意力的模型。
引用
@article{arxiv.2311.13661,
title = {BenthIQ: a Transformer-Based Benthic Classification Model for Coral Restoration},
author = {Rupa Kurinchi-Vendhan and Drew Gray and Elijah Cole},
journal= {arXiv preprint arXiv:2311.13661},
year = {2023}
}