文献情况
综述文章:Unlocking the potential of deep learning for marine ecology: overview, applications, and outlook(2022)
大类及分区:农林科学2区
小类及分区:海洋与淡水生物学1区
影响因子:5.8(2020)
引用格式:Goodwin, M. et al., 2022. Unlocking the potential of deep learning for marine ecology: overview, applications, and outlook. ICES Journal of Marine Science, 79(2), pp.319–336.
笔记
1 生态学领域为什么需要ML/DL?
AI 可以对传感器、相机和其他观察技术收集的大量数据进行快速准确的分析。 现成的算法现在可以高精度地从数字图像和实时视频中查找、计数和分类生物体, 并检测嘈杂图像或声学数据中的神秘模式。(使得数据处理更高效)
2 DL在海洋生态学中的应用场景
本文介绍了四个现有案例和三个新兴案例。现有案例主要是对海洋生物多样性的识别和量化,新兴案例包括
2.1 现有案例
水下视频中的鱼类检测、分类和跟踪; 基于图像的浮游生物监测分析; 鲸鱼的声学监测。
2.2 新兴案例
个体层面,野生鱼类种群中个体的再识别;鱼类声音交流中的个体间和个体内变异;生态系统层面,幽灵渔具检测;鱼类碳循环。
总结
- 本文与上一篇文章的相同之处:对于物种检测识别和分类的总结详尽全面;
- 本文与上一篇文章的不同之处:新兴案例中提出了幽灵渔具检测、鱼类碳循环等有趣的应用;两篇文章对于无监督学习的应用看法不一致。