FishNet：用于低成本鱼类库存估计的深度神经网络
计算机视觉与模式识别
2024-07-01 v2 综合经济学
经济学
摘要
鱼类库存评估通常涉及由分类学专家进行的手动鱼类计数，这既耗时又昂贵。我们提出 FishNet，一个用于从低成本数字相机捕获的图像中进行分类学分类和鱼类尺寸估计的自动化计算机视觉系统。该系统首先使用 Mask R-CNN 执行目标检测和分割，以从包含多条鱼（可能包含不同物种）的图像中识别 individual fish。然后对每条鱼进行物种分类和长度预测，使用单独的机器学习模型。为开发模型，我们使用包含 30 万张手工标注图像、包含 120 万条鱼、涵盖 163 种不同物种、长度范围从 10cm 到 250cm 的数据集，并使用额外的标注和质量控制方法筛选高质量训练数据。在 held-out 测试数据集上，本系统在鱼类分割任务上实现 92% 的交并比，单条鱼物种分类任务上实现 89% 的 Top-1 分类准确率，鱼类长度估计任务上实现 2.3cm 的平均绝对误差。
关键词
引用
@article{arxiv.2403.10916,
title = {FishNet: Deep Neural Networks for Low-Cost Fish Stock Estimation},
author = {Moseli Mots'oehli and Anton Nikolaev and Wawan B. IGede and John Lynham and Peter J. Mous and Peter Sadowski},
journal= {arXiv preprint arXiv:2403.10916},
year = {2024}
}
备注
IEEE COINS 2024