机构名称：
¥ 1.0
单个年龄的抽象确定是对鱼类种群进行准确评估的重要一步。在非热带环境中，鱼耳石（耳石）中环状生长模式的手动计数是标准方法。它依赖于视觉手段和个人判断，因此受到偏见和解释错误的影响。基于机器学习的自动模式识别的使用可能有助于克服此问题。在这里，我们采用了两种基于卷积神经网络（CNN）的深度学习方法。第一种方法利用蒙版R-CNN算法在主要的耳石读数轴上执行对象检测。第二种方法采用U-NET体系结构对耳石图像进行语义分割，以隔离感兴趣的区域。对于这两种方法，我们都应用了一个简单的后处理来计算返回的输出掩码上的环，这与年龄预测相对应。多个基准测试表明我们实施方法的有希望的性能，可与基于经典图像处理和传统CNN实现的最近发布的方法相媲美。此外，与现有方法相比，我们的算法表现出更高的鲁棒性，同时还具有推断缺失的年龄组并适应新域或数据源的能力。关键词：鱼年龄读数；自动化;深度学习；对象检测；分段
使用深度学习方法的鱼年龄阅读对象 -
主要关键词
相关文件推荐
