インド太平洋における水中写真トランセクト法を使用したサンゴ礁環境のマルチラベル分類のための深層学習

要約 サンゴ礁生態系は人間の活動や気候変動の脅威に直面しているため、全世界でサンゴ礁保全プログラムが実施されています。サンゴの健康を監視することで、保全活動を導くための参考となります。しかし、現在の労働集約的な方法は未整理の画像のバックログを引き起こし、自動分類の必要性を浮き彫りにしています。いくつかの研究では、正確なラベルと更新されたアルゴリズムやデータセットを同時に利用したものはほとんどありません。この研究の目的は、インド太平洋における一般的なサンゴ礁の状態と関連するストレス要因を表すデータセットを作成することでした。同時に、既存の分類アルゴリズムを評価し、サンゴ礁の状態を自動的に検出し、生態情報を抽出するための新しいマルチラベル方法を提案しました。フィールド調査に基づいて、異なる健康状態とストレス要因を持つ20,000以上の高解像度のサンゴ画像を含むデータセットが構築されました。このデータセットに対して、7つの代表的な深層学習アーキテクチャがテストされ、F1メトリックとマッチ比率を使用して性能が定量的に評価されました。この評価に基づいて、エンコサンブル学習アプローチを利用した新しい方法が提案されました。この方法は、健康な、妨害された、死んだ、瓦礫のサンゴ礁の状態を正確に分類し、競争、病気、捕食、物理的問題などの対応するストレス要因を特定しました。この方法は、サンゴ画像アーカイブを発展させ、保全活動を導き、リーフマネージャーや保全活動家の意思決定の参考を提供するのに役立ちます。提案されたエンコサンブル学習アプローチは、他の方法よりもデータセット上で優れた性能を示し、最先端（SOTA）性能を発揮します。今後の研究では、グローバルなサンゴ礁保全活動を支援するために、その一般化能力と精度の向上が求められます。