DAPlankton：基于细粒度域适应的多仪器浮游生物识别基准数据集
计算机视觉与模式识别
2024-02-09 v1
摘要
浮游生物识别为研究各种环境方面提供了新的可能性，并为开发域适应（DA）方法提供了一个有趣的现实场景。不同的成像仪器导致数据集之间存在域偏移，阻碍了通用浮游生物识别方法的发展。解决这一问题的一个有前景的方法是 DA，它允许将在一种仪器上训练的模型适应其他仪器。在本文中，我们提出了一个名为 DAPlankton 的新 DA 数据集，该数据集由使用不同仪器获得的浮游植物图像组成。由于任务的细粒度性质以及真实世界数据集中高度的类别不平衡，浮游植物构成了一个具有挑战性的 DA 问题。DAPlankton 包含两个子集：DAPlankton_LAB 包含培养浮游植物的图像，提供了一个标签不确定性最小且类别平衡的数据集；DAPlankton_SEA 由从波罗的海收集的图像组成，提供了具有大类内方差和类别不平衡的挑战性真实世界数据。此外，我们还对三种广泛使用的 DA 方法进行了基准比较。
引用
@article{arxiv.2402.05615,
title = {DAPlankton: Benchmark Dataset for Multi-instrument Plankton Recognition via Fine-grained Domain Adaptation},
author = {Daniel Batrakhanov and Tuomas Eerola and Kaisa Kraft and Lumi Haraguchi and Lasse Lensu and Sanna Suikkanen and María Teresa Camarena-Gómez and Jukka Seppälä and Heikki Kälviäinen},
journal= {arXiv preprint arXiv:2402.05615},
year = {2024}
}