Former des classificateurs d’IA pour mieux trier les images de plancton

Classer l'IA pour mieux trier les images de plancton

La formation a classé le plancton connu par l’IA, le plancton invisible et les particules et bulles. Crédit : Li Jianping

Bien que les algorithmes d’IA aient réalisé des progrès considérables dans la reconnaissance d’images de plancton, la plupart d’entre eux ne peuvent traiter qu’un nombre limité de classes connues. En réalité, cependant, les océanographes rencontreront certainement de nouvelles espèces de plancton (inconnues ou invisibles), où les algorithmes existants sont très susceptibles d’échouer.

Une équipe de recherche dirigée par le Dr Li Jianping du Shenzhen Institute of Advanced Technology (SIAT) de l’Académie chinoise des sciences et des collaborateurs de l’Université de Xiamen ont signalé un pipeline de détection d’anomalies et ses méthodes d’exécution qui pourraient aider à mieux reconnaître le plancton.

L’article intitulé “Anomaly Detection for In Situ Marine Plankton Images” a été publié lors de la Conférence internationale sur la vision par ordinateur 2021.

“Fondamentalement, le pipeline a besoin d’une formation avant de pouvoir être utilisé, ce qui comprend deux phases, la phase de pré-formation et la phase de post-formation”, a déclaré le Dr Li.

Dans la phase de pré-formation, les chercheurs ont proposé une technique d’augmentation des données pour générer des ensembles de données auxiliaires afin que le modèle d’IA soit capable d’acquérir une connaissance imaginaire abondante des classes invisibles. De plus, ils ont mis en avant une nouvelle fonction de perte de CKA pour mieux détecter les nouvelles classes et classer les classes existantes simultanément.

Dans la phase de post-apprentissage, un détecteur est en outre entraîné pour discriminer une image d’entrée en tant que classe connue ou inconnue en fonction de ses caractéristiques extraites par le modèle pré-entraîné. Si l’image est déterminée comme une classe connue, le détecteur la classera en outre dans l’une des classes connues.

Après la formation, le pipeline d’IA peut mieux trier une future image dans l’une des classes connues ou inconnues. Les méthodes de classification proposées devraient aider les biologistes marins à mieux identifier leurs cibles d’observation d’intérêt, de sorte que la surveillance in situ du plancton marin puisse devenir plus pratique et efficace.


Des chercheurs développent une technologie basée sur l’IA pour une observation plus claire du plancton dans l’océan profond


Plus d’information:
Yuchun Pu et al, Détection d’anomalies pour les images de plancton marin in situ, Actes des ateliers de la Conférence internationale IEEE/CVF sur la vision par ordinateur (ICCV) (2021).

Fourni par l’Académie chinoise des sciences

Citation: Formation des classificateurs d’IA pour mieux trier les images de plancton (2021, 28 octobre) récupéré le 28 octobre 2021 à partir de https://techxplore.com/news/2021-10-ai-plankton-images.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.