基于水下图像的多物种海草检测与分类
计算机视觉与模式识别
2020-09-22 v1 机器学习
图像与视频处理
摘要
使用配备定制相机载荷的潜水员或机器人进行的水下调查可产生大量图像。人工审阅这些图像以提取生态数据在时间和成本上是 prohibitive 的，从而提供了使用机器学习方案实现该过程自动化的强烈动机。在本文中，我们引入了一种基于深度卷积神经网络的多物种海草检测器和分类器（总体准确率达 92.4%）。我们还引入了一种半自动标注图像块的方法，从而最小化人工标注需求。我们描述并公开发布了本研究中收集的数据集以及复现实验的代码和预训练模型：https://github.com/csiro-robotics/deepseagrass
引用
@article{arxiv.2009.09924,
title = {Multi-species Seagrass Detection and Classification from Underwater Images},
author = {Scarlett Raine and Ross Marchant and Peyman Moghadam and Frederic Maire and Brett Kettle and Brano Kusy},
journal= {arXiv preprint arXiv:2009.09924},
year = {2020}
}
备注
Accepted to DICTA 2020. project page is at: https://github.com/csiro-robotics/deepseagrass