详细内容或原文请订阅后点击阅览
利用计算机视觉增强鱼类监测的公民科学
麻省理工学院海洋补助金与伍德韦尔气候研究中心和其他合作者合作，展示了基于深度学习的鱼类监测系统。
来源:MIT新闻 - 人工智能每年春天，河鲱鱼群都会从马萨诸塞州沿海水域迁徙，开始一年一度的旅程，沿着河流和溪流到达淡水产卵栖息地。在过去的几十年里，河鲱鱼的种群数量严重下降，整个地区对它们的迁徙进行了广泛的监测，主要是通过传统的目视计数和基于志愿者的项目。
监测鱼类运动和了解种群动态对于为保护工作提供信息和支持渔业管理至关重要。随着本月一年一度的鲱鱼洄游活动开始，研究人员和资源管理者再次面临尽可能准确地计算和估计洄游鱼类数量的挑战。
来自伍德韦尔气候研究中心、麻省理工学院海洋补助金、麻省理工学院计算机科学和人工智能实验室 (CSAIL)、麻省理工学院林肯实验室和 Intuit 的研究人员团队探索了一种使用水下视频和计算机视觉的新监测方法，以补充公民科学工作。研究人员——来自伍德威尔气候研究中心的Zhongqi Chen和Linda Deegan、来自麻省理工学院Sea Grant的Robert Vincent和Kevin Bennett、来自麻省理工学院CSAIL的Sara Beery和Timm Haucke、来自Intuit的Austin Powell和来自麻省理工学院林肯实验室的Lydia Zuehsow——今年二月在《生态与保护遥感》杂志上发表了一篇描述这项工作的论文。
这篇开放获取论文“从快照到连续估计：利用用于鱼类监测的计算机视觉增强公民科学”概述了计算机视觉和深度学习的最新进展（从对象检测和跟踪到物种分类）如何为自动化鱼类计数提供有前景的现实解决方案，同时提高效率和数据质量。