昆虫图像数据中生物因素带来的机器学习挑战
计算机视觉与模式识别
2022-11-07 v1 种群与进化
摘要
由国际生命条形码联盟牵头的 BIOSCAN 项目旨在全球尺度上研究生物多样性的变化。该项目的一个组成部分专注于研究所有昆虫的物种相互作用与动态。除对昆虫进行基因条形码标记外，每年将收集超过 150 万张图像，每张都需进行分类学分类。面对海量涌入的图像，仅依靠分类学专家进行标注是不可能的；然而，人工智能与计算机视觉技术或可提供可行的高通量解决方案。其他任务（包括手动称量单个昆虫以确定生物量）仍然繁琐且昂贵。此处计算机视觉同样可提供高效且引人注目的替代方案。尽管使用计算机视觉方法应对这些问题颇具吸引力，但由生物因素引发的显著挑战随之而来。本文在这些挑战的语境下从机器学习角度予以阐述。
引用
@article{arxiv.2211.02537,
title = {Machine Learning Challenges of Biological Factors in Insect Image Data},
author = {Nicholas Pellegrino and Zahra Gharaee and Paul Fieguth},
journal= {arXiv preprint arXiv:2211.02537},
year = {2022}
}
备注
4 pages, 3 figures. Submitted to the Journal of Computational Vision and Imaging Systems