ICES J MAR SCI | 新型AI算法晋升海洋浮游生物图象机械辨认机能

北京时候11月10日，中国科学院深圳进步前辈手艺研究院集成所光电项目手艺中间李剑平博士团队在海洋数据机械进修算法研究中获得新功效，提出了一种基在对照进修的浮游生物图象辨认检索框架，在处理现实海洋数据中的不平衡散布、数据漂移、开集辨认问题中揭示出了优良机能。

论文以Contrastive Learning-based Image Retrieval for Automatic Recognition of in situ Marine Plankton Images为题，颁发在国际海洋考查理事会海洋科学期刊ICES Journal of Marine Science上。中国科学院年夜学硕士杨振宇为第一作者，李剑平博士为论文通讯作者，深圳进步前辈院为第一单元。来自厦门年夜学、哈尔滨工业年夜学（深圳）的数据科学家介入本课题的合作研究。

文章上线截图

原文链接：https://doi.org/10.1093/icesjms/fsac198

颠末了30多年来的成长，海洋水下成像仪器为海洋浮游生物原位不雅测带来了海量图象数据，刺激了计较机图象主动辨认手艺的长足成长。但是，练习机械对来自现实中复杂海洋情况下的图象数据进行正确辨认一直是一项极具挑战的使命。现有浮游生物图象机械进修分类算法固然在某些闭合数据集上获得了杰出表示，可是当利用在来自分歧时空的现实数据时，常常会呈现机能不不变乃至骤降的问题，不克不及知足海洋不雅测的及时正确要求。

经由过程深切调研，李剑平团队发觉现有算法几近全数将浮游生物辨认问题处置成了一个对“N+1类”方针图象的分类问题（即N类感爱好方针和1类所有不感爱好方针）。但是，与其他范畴中图象辨认使命分歧的是，在实在海洋情况中收集的数据势必面对成像质量恶化、数据散布不均、数据散布漂移和散布外样本呈现等问题的挑战。是以，在闭合数据集上练习优化的机械进修算法在利用时，因为待辨认数据集不知足与练习数据集的自力同散布前提，致使辨认机能极易降落，只能经由过程费时吃力的数据从头标注和模子从头练习来恢复其机能，明显如许就形成了机械进修算法的昂扬的摆设本钱，难以在现实中利用。

李剑平团队提出的浮游生物原位图象检索辨认框架IsPlanktonIR示意

针对这一瓶颈，李剑平团队设想并练习了一种基在对照进修的浮游生物图象检索框架IsPlanktonIR，以图象类似度比对的体例，经由过程图象检索矫捷地处理浮游生物的原位图象辨认问题，实现浮游生物图象的主动辨认。

在该框架里，研究团队起首拔取SEResNext作为浮游生物图象特点提取器，操纵有监视的对照进修对其练习，使其取得较强的特点提取能力。辨认图象时，经由过程比力待辨认图象和一个检索库中图象特点的类似性，实现对其具体种别鉴定或对散布外样本的发觉与拒识。

另外，IsPlanktonIR框架还供给了人机交互接口，以供利用者便利地查抄校验辨认成果，扩充检索库，不竭完美加强辨认机能。

练习浮游生物图象检索框架中特点提取器的代表图象数据

为了实现该辨认框架的算法练习和结果验证，团队操纵自力研发的海洋浮游生物原位光学成像仪在深圳年夜亚湾和海南昌江海域收集的图象建立了一个尝试数据集。操纵该数据集，团队利用部门种别图象对模子进行了练习，组织了多种分歧组合的检测数据集，以查验该框架在实在海洋情况中应对势必产生的数据不平衡、数据散布漂移、散布外样本呈现环境下的机能表示。

尝试成果注解，IsPlanktonIR算法框架在应对同时具有上述问题的测试集上均表示出了优良的机能。特别是当测试中碰到新种别图象呈现时，只需向检索库中添加部门新的人工标注样本，便可使框架及时具有对新种别图象的准确辨认能力。

另外，团队还对该框架与典范的浮游生物图象分类算法和最新的非常值检测算法的机能在不异的测试集长进行了比力。成果注解，IsPlanktonIR不但在两者不成处置的开集辨认问题上获得了很好的结果，在这两类算法善于处置的闭集分类问题上也获得了可对比、乃至部门超出的机能目标。IsPlanktonIR的辨认成果稳健性也年夜年夜加强，展现出了在现实海洋不雅测利用中的靠得住性和矫捷性。

在分歧前提下的测试尝试中IsPlanktonIR辨认框架和对比算法的机能表示对照

另外，为了提高框架的图象检索效力，减小存储和计较开消，李剑平团队还提出了一种紧缩精简的算法，将浮游生物图象检索库进一步稀少化，在几近不下降辨认正确率的条件下将检索库的巨细缩小了一半，保障了基在图象检索的图象辨认框架在年夜范围数据下的检索速度，以知足海洋不雅测的高及时性要求。

IsPlanktonIR框架的成长为实在海水情况下的浮游生物原位持久不雅测供给了一套加倍有用、稳健、矫捷、便利的算法方案，加倍切近海洋不雅测的现实需求，将有助在增进人工智能在海洋生物不雅测辨认使命的落地利用。����APP

该论文研究获得了中国科学院国际合作重点项目和深圳市科技立异打算根本研究重点项目标撑持。

,乐鱼报道