机构名称：
¥ 3.0
基于图像的机器学习方法已成为跨科学，技术，工程和行业的最广泛使用的数据形式之一。这些方法很强大，因为45它们可以从图像中快速自动提取丰富的上下文和空间信息，这是一个46个过程，历史上需要大量的人工劳动。广泛的科学47个应用已证明了这些方法的潜力，可以改变研究人员研究48海洋的方式。尽管有希望，但机器学习工具仍在许多49个领域中揭示，包括物种和环境监测，生物多样性调查，渔业丰度50和大小估计，罕见事件和物种检测，动物行为研究和公民科学。51本文我们的目标是提供一份平易近人的端到端指南，以帮助研究人员有效地将52种基于图像的机器学习方法应用于自己的研究问题。使用案例研究，53我们描述了如何准备数据，训练和部署模型，并克服了可能导致54个模型表现不佳的常见问题。重要的是，我们讨论了如何诊断可能导致55型模型性能的问题，以构建可在56海洋领域中大大加速数据获取的强大工具。在https://github.com/heinsense2/aio_casestudy提供了进行分析的代码。57
使用现代机器学习工具对现场图像进行分析
主要关键词
相关文件推荐
