Detail publikace
Plankton Recognition in Images with Varying Size
Eerola Tuomas, Prof. (FIT)
Lensu Lasse (FIT)
Kälviäinen Heikki (FIT)
Zemčík Pavel, prof. Dr. Ing., dr. h. c. (UPGM)
monitorování planktonu, strojové učení s proměnlivou velikostí obrazu, konvoluční neuronové sítě CNN
Monitorování planktonu je důležité, protože je nezbytnou součástí vodního potravního řetězce a je také producentem kyslíku. Moderní zobrazovací zařízení produkují obrovské množství obrazových dat planktonu, což vyžaduje automatická řešení. Tyto obrázky se vyznačují velmi velkými rozdíly jak ve velikosti, tak v poměru stran. Na druhé straně klasifikační metody založené na konvoluční neuronové síti (CNN) obvykle vyžadují vstup s pevnou velikostí. Jednoduché škálování obrázků do běžné velikosti má několik nevýhod. Nejprve se ztratí informace o velikosti planktonu. Pro odborníky na lidi je informace o velikosti jedním z nejdůležitějších vodítek pro identifikaci druhu. Za druhé, zmenšení obrazu vede ke ztrátě jemných detailů, jako jsou bičíky, které jsou nezbytné pro rozpoznání druhů. Za třetí, upscaling obrázků zvětší velikost sítě. V této práci jsou prováděny rozsáhlé experimenty na různých přístupech k řešení různých rozměrů obrazu na náročném souboru obrazových dat fytoplanktonu. Je navržena nová kombinace metod, která ukazuje zlepšení oproti základní linii CNN.
@article{BUT187364,
author="Jaroslav {Bureš} and Tuomas {Eerola} and Lasse {Lensu} and Heikki {Kälviäinen} and Pavel {Zemčík}",
title="Plankton Recognition in Images with Varying Size",
journal="Lecture Notes in Computer Science",
year="2021",
volume="12666",
number="2",
pages="110--120",
doi="10.1007/978-3-030-68780-9\{_}11",
issn="0302-9743",
url="https://link.springer.com/chapter/10.1007%2F978-3-030-68780-9_11"
}