开放集浮游生物识别

本文研究浮游生物图像的开放集识别（OSR）。浮游生物包括多种多样的微小水生生物，作为初级生产者和食物网的基础，它们在海洋生态系统中发挥着重要作用。鉴于浮游生物对环境变化的敏感性，其种群的波动提供了有关海洋健康和气候变化的宝贵信息，从而推动了对其的监测。现代自动浮游生物成像设备能够收集大规模浮游生物图像数据集，促进了物种级别的分析。浮游生物物种识别可以被视为一项图像分类任务，通常使用基于深度学习的图像识别模型来解决。然而，在真实水生环境中收集数据会导致成像设备捕获各种非浮游生物颗粒以及训练集中未出现的浮游生物物种。这构成了一个具有挑战性的细粒度 OSR 问题，其特征在于分类学上相近的浮游生物物种之间存在细微差异。我们通过在浮游植物和浮游动物图像上对三种 OSR 方法进行大量实验来解决这一挑战，并分析了 OSR 拒绝阈值的影响。结果表明，可以获得较高的 OSR 准确率，促进了这些方法在实际浮游生物研究中的应用。我们已将数据向研究界公开。