論文の概要: Marine Microalgae Detection in Microscopy Images: A New Dataset
- arxiv url: http://arxiv.org/abs/2211.07546v1
- Date: Mon, 14 Nov 2022 17:11:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-15 19:43:07.875340
- Title: Marine Microalgae Detection in Microscopy Images: A New Dataset
- Title（参考訳）: 顕微鏡画像における海藻の検出:新しいデータセット
- Authors: Shizheng Zhou, Juntao Jiang, Xiaohan Hong, Yajun Fang, Yan Hong,
Pengcheng Fu
- Abstract要約: 本稿では,海洋藻類検出のための新しいデータセットを提案する。
海洋でよく見られる6種類の微細藻類は、顕微鏡でリアルタイムで撮像される。
正常、漂白、翻訳として知られる3つの生理状態にあるシノビオディニ科のイメージも含む。
- 参考スコア（独自算出の注目度）: 1.5887060719870412
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Marine microalgae are widespread in the ocean and play a crucial role in the
ecosystem. Automatic identification and location of marine microalgae in
microscopy images would help establish marine ecological environment monitoring
and water quality evaluation system. A new dataset for marine microalgae
detection is proposed in this paper. Six classes of microalgae commonlyfound in
the ocean (Bacillariophyta, Chlorella pyrenoidosa, Platymonas, Dunaliella
salina, Chrysophyta, Symbiodiniaceae) are microscopically imaged in real-time.
Images of Symbiodiniaceae in three physiological states known as normal,
bleaching, and translating are also included. We annotated these images with
bounding boxes using Labelme software and split them into the training and
testing sets. The total number of images in the dataset is 937 and all the
objects in these images were annotated. The total number of annotated objects
is 4201. The training set contains 537 images and the testing set contains 430
images. Baselines of different object detection algorithms are trained,
validated and tested on this dataset. This data set can be got accessed via
tianchi.aliyun.com/competition/entrance/532036/information.
- Abstract（参考訳）: 海洋性藻類は海洋に広く分布し、生態系において重要な役割を担っている。
顕微鏡画像における海洋藻類の自動同定と位置は,海洋生態環境モニタリングおよび水質評価システムの構築に役立つ。
本稿では,海洋マイクロ藻類検出のための新しいデータセットを提案する。
海洋によく見られる6種の微細藻類(bacillariophyta, chlorella pyrenoidosa, platymonas, dunaliella salina, chrysophyta, symbiodiniaceae)がリアルタイムで観察される。
正常、漂白、翻訳として知られる3つの生理状態にあるシノビオディニ科のイメージも含む。
Labelmeソフトウェアを使ってこれらの画像をバウンディングボックスで注釈付けし、それらをトレーニングとテストセットに分割しました。
データセットの総画像数は937で、これらの画像のすべてのオブジェクトに注釈が付けられた。
注釈付きオブジェクトの総数は4201である。
トレーニングセットは537イメージを含み、テストセットは430イメージを含む。
異なるオブジェクト検出アルゴリズムのベースラインはトレーニングされ、検証され、このデータセット上でテストされる。
このデータセットはtianchi.aliyun.com/competition/entrance/532036/informationからアクセスできる。
関連論文リスト
- Morphological Detection and Classification of Microplastics and Nanoplastics Emerged from Consumer Products by Deep Learning [1.21387493410444]
プラスチック汚染は世界的な問題となり、健康や環境システムに影響を及ぼす。
これらの汚染物質を研究する伝統的な方法は、労働集約的で時間を要する。
本稿では,マイクロ・ナノプラスチックの自動検出と分類を目的とした,新しいオープンソースデータセットであるMiNaとマイクロ・ナノプラスチックについて紹介する。
論文 参考訳（メタデータ） (2024-09-20T17:56:25Z) - The FathomNet2023 Competition Dataset [0.8180522890142969]
海洋科学者は、何十年にもわたって海洋生物を研究するために、視覚データを収集してきた。
これらのデータを自動的に処理するツールもあるが、サンプル集団の極端な変動を処理できるツールは存在しない。
画像やビデオのシーケンスが新しい生物、珍しい動物のコレクションを含むことを認識できるモデルや、そうでなければ海中の視覚データを完全に活用することが重要である。
論文 参考訳（メタデータ） (2023-07-17T18:50:53Z) - Evaluation of the potential of Near Infrared Hyperspectral Imaging for
monitoring the invasive brown marmorated stink bug [53.682955739083056]
BMSB(Halyomorpha halys)は、数種の作物を害する世界的重要性の害虫である。
本研究は、BMSB検体を検出する技術として、NIR-HSI(Near Infrared Hyperspectral Imaging)を実験室レベルで予備評価する。
論文 参考訳（メタデータ） (2023-01-19T11:37:20Z) - Application of the YOLOv5 Model for the Detection of Microobjects in the
Marine Environment [101.18253437732933]
海洋環境における微小物体の自動検出と認識の問題を解決するためのYOLOV5機械学習モデルの有効性について検討した。
論文 参考訳（メタデータ） (2022-11-28T10:58:50Z) - Towards Generating Large Synthetic Phytoplankton Datasets for Efficient
Monitoring of Harmful Algal Blooms [77.25251419910205]
有害な藻類(HAB)は養殖農場で重大な魚死を引き起こす。
現在、有害藻や他の植物プランクトンを列挙する標準的な方法は、顕微鏡でそれらを手動で観察し数えることである。
合成画像の生成にはGAN(Generative Adversarial Networks)を用いる。
論文 参考訳（メタデータ） (2022-08-03T20:15:55Z) - Ensembles of Vision Transformers as a New Paradigm for Automated
Classification in Ecology [0.0]
データ効率のよい画像変換器(DeiTs)のアンサンブルが従来のSOTA(SOTA)よりも大幅に優れていたことを示す。
テストしたすべてのデータセットに対して、新しいSOTAを実現し、以前のSOTAの18.48%から87.50%の誤差を削減した。
論文 参考訳（メタデータ） (2022-03-03T14:16:22Z) - Learning to automate cryo-electron microscopy data collection with
Ptolemy [4.6453787256723365]
低温電子顕微鏡(cryo-EM)は、生体高分子の近原・近原子分解能3次元構造を決定する主要な方法として登場した。
現在,高磁化Cryo-EMマイクログラフの収集には,パラメータの入力と手動チューニングが必要である。
そこで我々は,目的のアルゴリズムを用いて,低・中規模のターゲットを自動生成する最初のパイプラインを開発した。
論文 参考訳（メタデータ） (2021-12-01T22:39:28Z) - Deep neural networks approach to microbial colony detection -- a
comparative analysis [52.77024349608834]
本稿では,AGARデータセットを用いた3つの深層学習手法の性能について検討する。
得られた結果は将来の実験のベンチマークとして機能するかもしれない。
論文 参考訳（メタデータ） (2021-08-23T12:06:00Z) - Towards an Automatic Analysis of CHO-K1 Suspension Growth in
Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。
具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文 参考訳（メタデータ） (2020-10-20T08:36:51Z) - Automatic image-based identification and biomass estimation of
invertebrates [70.08255822611812]
時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。
我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。
分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
論文 参考訳（メタデータ） (2020-02-05T21:38:57Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。