使用基于知识蒸的教师-学生神经网络来检测耳石图像中的异常样本
1College of Marine Sciences, Shanghai Ocean University, Shanghai 201306, China; Center for Polar Research, Shanghai Ocean University, Shanghai 201306, China.
Zoology (Jena, Germany)
|November 18, 2023
概括
本研究使用修改的神经网络来定义和识别鱼耳骨异常. 先进的模型准确地检测到这些异常在石图像,对于可靠的生态研究至关重要.
科学领域:
- 鱼类学 鱼类学 鱼类学
- 鱼类生态 鱼类生态学
- 生物成像分析分析
背景情况:
- 耳朵石或耳朵石在鱼类生态学中对于生物和生态研究至关重要.
- 来自耳岩的图像数据可能含有异常,导致偏见或误导性的科学结果.
- 准确检测耳骨异常对于可靠的鱼类科学至关重要.
研究的目的:
- 定义耳骨异常,并为Electrona carlsbergi创建一个专门的数据集.
- 开发和完善一个神经网络模型,以更好地检测耳骨异常.
- 为了提高在生态研究中耳骨石图像分析的准确性.
主要方法:
- 提出了对耳骨异常的正式定义.
- 使用Electrona carlsbergi标本创建了一个耳岩异常数据集.
- 修改了一个多分辨率的知识蒸网络,用于异常检测的不对称输入.
主要成果:
- 实现了高异常识别性能,曲线下的面积 (AUC) 为0.9843.
- 证明了修改后的神经网络在识别异常耳石图像方面的有效性.
- 验证了灰度地图的实用性,用于颜色地图中的特征对齐.
结论:
- 多分辨率知识蒸网络能够有效地检测异常的石图像.
- 开发的方法显著提高了基于石的生态研究的可靠性.
- 准确的异常检测对于推进鱼类科学和生态理解至关重要.
