基于层次分类的珊瑚礁底栖结构自动图像标注
计算机视觉与模式识别
2024-12-12 v1 人工智能
机器学习
摘要
自动化的珊瑚礁底栖图像标注对于高效监测和保护珊瑚礁至关重要。当前的机器学习方法未能捕捉覆盖在珊瑚礁基质上的底栖生物的层次结构，即珊瑚的分类学层级和健康状况。为此目的，我们提出使用层次分类来标注底栖图像。在来自东北巴西斯湾礁区的自定义数据集上进行实验，表明我们的方法优于平坦分类器，在不同训练数据量下，F1分数和层次F1分数均提高了约2%。此外，此层次方法更贴近生态学目标。
引用
@article{arxiv.2412.08228,
title = {Hierarchical Classification for Automated Image Annotation of Coral Reef Benthic Structures},
author = {Célia Blondin and Joris Guérin and Kelly Inagaki and Guilherme Longo and Laure Berti-Équille},
journal= {arXiv preprint arXiv:2412.08228},
year = {2024}
}
备注
Poster at Tackling Climate Change with Machine Learning: workshop at NeurIPS 2024