基于多条件 underwater 图像数据集的珊瑚 bleaching 分类深度学习模型
计算机视觉与模式识别
2025-11-04 v1 人工智能
摘要
珊瑚礁支持大量海洋生物，是抵御风暴和洪水的重要海岸防护屏障，构成海洋生态系统的主要组成部分。然而，珊瑚礁面临着日益增加的污染、海洋酸化和海水温度异常等威胁，使得高效保护和监控变得迫切。因此，本研究提出一种基于机器学习的珊瑚 bleaching 分类系统，采用样本涵盖深海、沼泽和 coastal 区域等不同环境条件下的健康珊瑚和 bleached 珊瑚的多样化全球数据集。我们对比评估了三种最先进的模型：残差神经网络（ResNet）、Vision Transformer（ViT）和卷积神经网络（CNN）。在完善的超参数调优后，CNN 模型达到了 88% 的最高准确率，超越了现有基准。我们的发现为自主珊瑚监控提供了重要见解，并对最广泛使用的计算机视觉模型进行了全面分析。
引用
@article{arxiv.2511.00021,
title = {Deep Learning Models for Coral Bleaching Classification in Multi-Condition Underwater Image Datasets},
author = {Julio Jerison E. Macrohon and Gordon Hung},
journal= {arXiv preprint arXiv:2511.00021},
year = {2025}
}
备注
15 pages, 10 figures