Deep-learning-powered data analysis in plankton ecology

要約

深層学習アルゴリズムの実装により、プランクトンの生態に新たな視点がもたらされました。
確立された手法に代わるアプローチとして登場したディープラーニングは、多様な環境でプランクトン生物を調査するための客観的なスキームを提供します。
植物および動物プランクトンの画像の検出と分類、採餌および遊泳行動の分析、そして最後に生態学的モデリングを含む深層学習ベースの手法の概要を提供します。
ディープラーニングには、分析を高速化して人間の実験バイアスを軽減する可能性があり、その結果、関連する時間的および空間的スケールで再現性が向上したデータ取得が可能になります。
また、欠点についても説明し、不正確な読み取りを軽減するために深層学習アーキテクチャがどのように進化したかを示します。
最後に、ディープラーニングがプランクトン研究を促進する可能性が特に高い機会を提案します。
例には詳細なチュートリアルとコード サンプルが付属しており、読者はこのレビューで説明されている方法を独自のデータに適用できます。

要約(オリジナル)

The implementation of deep learning algorithms has brought new perspectives to plankton ecology. Emerging as an alternative approach to established methods, deep learning offers objective schemes to investigate plankton organisms in diverse environments. We provide an overview of deep-learning-based methods including detection and classification of phyto- and zooplankton images, foraging and swimming behaviour analysis, and finally ecological modelling. Deep learning has the potential to speed up the analysis and reduce the human experimental bias, thus enabling data acquisition at relevant temporal and spatial scales with improved reproducibility. We also discuss shortcomings and show how deep learning architectures have evolved to mitigate imprecise readouts. Finally, we suggest opportunities where deep learning is particularly likely to catalyze plankton research. The examples are accompanied by detailed tutorials and code samples that allow readers to apply the methods described in this review to their own data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google