基于迁移学习的显微有孔虫检测与分类初探
机器学习
2020-01-15 v1 计算机视觉与模式识别
机器学习
摘要
有孔虫是单细胞海洋生物，可营浮游或底栖生活。在其生命周期中它们构建由一个或多个房室组成的壳，这些壳作为化石留存于海洋沉积物中。对这些化石进行分类与计数已成为海洋学及气候学等领域的重要工具。目前显微化石的鉴定与计数依靠显微镜手动完成，非常耗时。因此，在一系列研究领域中开发自动化此方法被视为重要方向。本文提出了开发能够检测并分类显微有孔虫的深度学习模型的第一步。所提模型基于在 ImageNet 数据集上预训练的 VGG16 模型，并通过迁移学习适配于有孔虫任务。此外，介绍了一个由来自巴伦支海区域的显微有孔虫与沉积物组成的新图像数据集。
引用
@article{arxiv.2001.04782,
title = {Towards detection and classification of microscopic foraminifera using transfer learning},
author = {Thomas Haugland Johansen and Steffen Aagaard Sørensen},
journal= {arXiv preprint arXiv:2001.04782},
year = {2020}
}
备注
6 pages, 5 figures. To be published in proceedings of Northern Lights Deep Learning Workshop 2020