导读：人工智能将已知的浮游生物、不可见的浮游生物、颗粒和气泡进行分类。来源:李建平 虽然人工智能算法在浮游生物图像识别方面取得了一定的进展，但大多数算法只能处理有限数量的已知类。然而，在现实中，海洋科学家肯定会遇到新的(未知或看不见的)浮游生物物种...
人工智能将已知的浮游生物、不可见的浮游生物、颗粒和气泡进行分类。来源:李建平
虽然人工智能算法在浮游生物图像识别方面取得了一定的进展，但大多数算法只能处理有限数量的已知类。然而，在现实中，海洋科学家肯定会遇到新的(未知或看不见的)浮游生物物种，而现有的算法很可能会失败。
由中国科学院深圳先进技术研究所李建平博士领导的研究小组和厦门大学的合作者报告了一个异常检测管道及其执行方法，可能有助于更好地识别浮游生物。
这篇题为“原位海洋浮游生物图像异常检测”的论文发表在2021年国际计算机视觉会议上。
“基本上，管道在使用前需要培训，这包括两个阶段，前培训阶段和后培训阶段，”李博士说。
在训练前阶段，研究人员提出了一种数据增强技术来生成辅助数据集，使人工智能模型能够获得关于未见类的丰富想象知识。此外，他们提出了一个新的CKA损失函数，以便更好地检测新类，同时对已有类进行分类。
在训练后阶段，进一步训练检测器，根据预先训练的模型提取的特征将输入图像区分为已知或未知类。如果图像被确定为已知类，检测器将进一步将其分类为已知类之一。
经过训练，人工智能管道可以更好地将未来图像分类为已知类或未知类之一。提出的开放式分类方法有助于海洋生物学家更好地识别感兴趣的观测目标，从而使海洋浮游生物的现场监测更加方便和高效。
