Survey of Automatic Plankton Image Recognition: Challenges, Existing Solutions and Future Perspectives

要約

浮遊生物は水生生態系の重要な構成要素であり、環境の変化に迅速に反応するため、環境の変化を理解するには浮遊生物のモニタリングが不可欠です。
しかし、適切な規模でプランクトンを監視することは依然として課題であり、水生システムの機能とその変化への反応についての理解が限られています。
最新のプランクトン画像装置を利用して高頻度でサンプリングすることができ、プランクトン個体群を研究する新たな可能性が可能になります。
ただし、データの手動分析はコストと時間がかかり、専門家に基づいて行われるため、このようなアプローチは大規模なアプリケーションには不向きであり、自動ソリューションが求められます。
画像解析によるプランクトン データセットの利用に関する重要な問題は、プランクトンの認識です。
膨大な量の研究が行われているにもかかわらず、自動化された手法は運用に広く採用されていません。
この論文では、プランクトン自動認識のための既存のソリューションに関する包括的な調査を紹介します。
まず、プランクトン認識システムの開発を困難にする最も顕著な課題を特定します。
次に、プランクトン認識文献で提案されているこれらの課題に対する解決策について詳細に説明します。
最後に、新しいデータセットの特定の課題と、それらに対処するための推奨されるアプローチを特定するためのワークフローを提案します。
多くの課題には、適用可能な解決策が存在します。
しかし、重要な課題は未解決のままです: 1) データセット間のドメインのシフトが、さまざまな画像機器にまたがって機能する一般的なプランクトン認識システムの開発を妨げている、2) これまでに見たことのないクラスの画像を識別して処理することの難しさ、および 3)
認識のための機械学習モデルのトレーニングに影響を与える、専門家の注釈の不確実性。
これらの課題は、将来の研究で解決される必要があります。

要約(オリジナル)

Planktonic organisms are key components of aquatic ecosystems and respond quickly to changes in the environment, therefore their monitoring is vital to understand the changes in the environment. Yet, monitoring plankton at appropriate scales still remains a challenge, limiting our understanding of functioning of aquatic systems and their response to changes. Modern plankton imaging instruments can be utilized to sample at high frequencies, enabling novel possibilities to study plankton populations. However, manual analysis of the data is costly, time consuming and expert based, making such approach unsuitable for large-scale application and urging for automatic solutions. The key problem related to the utilization of plankton datasets through image analysis is plankton recognition. Despite the large amount of research done, automatic methods have not been widely adopted for operational use. In this paper, a comprehensive survey on existing solutions for automatic plankton recognition is presented. First, we identify the most notable challenges that that make the development of plankton recognition systems difficult. Then, we provide a detailed description of solutions for these challenges proposed in plankton recognition literature. Finally, we propose a workflow to identify the specific challenges in new datasets and the recommended approaches to address them. For many of the challenges, applicable solutions exist. However, important challenges remain unsolved: 1) the domain shift between the datasets hindering the development of a general plankton recognition system that would work across different imaging instruments, 2) the difficulty to identify and process the images of previously unseen classes, and 3) the uncertainty in expert annotations that affects the training of the machine learning models for recognition. These challenges should be addressed in the future research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google