使用深度卷积神经网络从数字化标本馆标本中识别分类群与性状
种群与进化
2018-03-22 v1
摘要
世界各地的标本馆保存着数以亿计的标本馆标本，近年来这些标本正不断被数字化，从而更容易被科学界获取。与此同时，深度学习算法在图像模式识别方面迅速改进，这些技术也越来越多地被应用于生物对象。我们应用卷积神经网络（CNN），利用标本馆标本的数字图像来识别这些藏品的分类群和性状。我们从GBIF上下载了标本馆标本最常记录的1000个物种的图像，并将其与形态性状数据相结合，经过预处理后划分为训练和测试数据集，用于物种和性状识别。在两个领域均取得的良好表现表明，未来有望将此方法用于支持分类学和自然历史藏品管理的工具中。
引用
@article{arxiv.1803.07892,
title = {Taxon and trait recognition from digitized herbarium specimens using deep convolutional neural networks},
author = {Sohaib Younis and Claus Weiland and Robert Hoehndorf and Stefan Dressler and Thomas Hickler and Bernhard Seeger and Marco Schmidt},
journal= {arXiv preprint arXiv:1803.07892},
year = {2018}
}
备注
Submitted to Botany Letters on 8 Dec 2017