班蒂克网络:用于深度学习应用的海底图像的全球汇编
Scott C Lowe1, Benjamin Misiuk2,3, Isaac Xu4
1Vector Institute, Toronto, Ontario, Canada.
Scientific data
|February 7, 2025
概括
班蒂克网 (BenthicNet) 是一个新的全球海底图像数据集,用于训练机器学习模型,用于分析水下生态系统. 这种资源有助于更有效地了解海洋环境.
科学领域:
- 海洋生物学 海洋生物学
- 生态生态学 生态生态学
- 计算机科学 计算机科学
背景情况:
- 水下成像产生了巨大的海底数据集,对于监测谷底生态系统至关重要.
- 分析这些大型图像数据集是一个瓶,限制了环境信息的动员.
- 开发高效的机器学习 (ML) 模型需要大量,一致的数据集,而这些数据目前很少.
研究的目的:
- 为了介绍BenthicNet,一个全球海底图像汇编.
- 支持培训和评估用于谷底分析的大规模图像识别模型.
- 为推进海洋科学中的ML应用提供一个开放访问资源.
主要方法:
- 收集并策划了超过1140万张海底图像,其中有130万张图像的代表性子集.
- 在19万张图像中使用CATAMI方案生成了310万条注释.
- 在BenthicNet编译上训练了一个大型深度学习模型.
主要成果:
- 班蒂克网提供了海底环境的多样化表示.
- 初步结果表明,经过训练的深度学习模型可以自动化图像分析任务.
- 数据集和模型证明了对大规模和小规模内图像分析的实用性.
结论:
- 班蒂克网络解决了在海洋生态学中的ML大型,一致的数据集的稀缺问题.
- 由于BenthicNet的开放性和训练模型的可用性,这有助于重复使用和进一步研究.
- 这种资源有可能显著提高海底生态系统监测的效率.


