大规模多光合细菌跟踪基准 (MPT)

光合细菌是水生生态系统的关键组成部分，有效监测它们可以提供有关海洋环境和生态系统变化的宝贵见解。传统的光合细菌监测方法往往复杂且缺乏及时分析。因此，深度学习算法为自动化光合细菌监测提供了前景的选择。然而，缺乏大规模高质量训练样本已成为推动光合细菌跟踪技术发展的主要瓶颈。本文提出了一个具有挑战性的基准数据集，称为 Multiple Phytoplankton Tracking (MPT)，涵盖多样化的背景信息和观察中运动变化。该数据集包括 27 种光合细菌和浮游动物，14 种不同的背景用于模拟多样化且复杂的水下环境，总计 140 个视频。为实现光合细菌的准确实时观测，我们引入一种多目标跟踪方法——偏差校正多尺度特征融合跟踪器 (DSFT)，该方法解决了跟踪过程中焦点变化以及在计算帧间相似性时丢失小目标信息的问题。具体而言，我们引入额外的特征提取器来预测标准特征提取器输出的残差，并基于来自不同提取器层的特征计算多尺度帧间相似性。对 MPT 上进行的大量实验表明，该数据集和 DSFT 在跟踪光合细菌方面均具有有效性，为光合细菌监测提供了有效解决方案。