Główne pojęcia
提案された自動コンピュータビジョンシステムは、低コストのデジタルカメラで撮影された画像から魚の分類とサイズ推定を行います。
Streszczenie
魚の在庫評価における手作業の魚数えは時間と費用がかかる。
データセットには50,000枚の手作業注釈付き画像が含まれており、163種類の魚が含まれている。
システムは、魚のセグメンテーションタスクで92%のIoUを達成し、単一魚種分類では89%のトップ1分類精度を達成。
このシステムは、低コストで効果的な方法で魚の在庫評価を実現する可能性がある。
導入
2048年までに商業的に重要なすべての世界中の魚群が崩壊するという予測に対して最近の証拠が示唆している。
高所得国では漁業資源が回復しているが、多くの漁業は未評価状態であり、その将来性は懸念されている。
関連研究
現代のコンピュータビジョンシステムは深層ニューラルネットワークモデルを使用して物体検出、セグメンテーション、および分類を行う。
これらのモデルは特定アプリケーション向けに微調整可能であり、以前からこのアプローチを使用して魚種分類を行ってきた。
方法論
データ収集から画像セグメンテーション、分類、そして魚長さ回帰まで実装詳細を説明。
Detectron2などの技術を使用し、各タスクごとに異なる機械学習モデルをトレーニング。
結果
検出とセグメンテーションモデルは99%以上で正確性を達成し、長さ回帰では平均2.3cmエラー率と79% R2値を達成。
複数魚画像では92%以上の正確性があり、3つ以上の魚オブジェクトでは性能が低下する傾向。
Statystyki
システムは92%IoUで魚セグメンテーションタスクを達成した。
単一魚種分類では89%トップ1分類精度を達成した。
長さ推定タスクでは平均2.3cmエラー率だった。