Decoupled Pipeline with Proposal Reranking and Score Fusion for Positive-Unlabeled Marine Species Detection

Imagina que eres un detective intentando resolver un misterio en una ciudad submarina gigante y turbia. Tu trabajo es encontrar criaturas marinas específicas y nombrarlas. Pero hay un truco: el mapa que te dieron está lleno de agujeros. Las personas que dibujaron el mapa solo anotaron los animales de los que estaban seguros, dejando sin marcar a miles de otros peces, erizos y medusas. En el mundo de la informática, esto se llama aprendizaje de "etiqueta positiva no etiquetada" (positive-unlabeled learning). Es como intentar aprender cómo es un "perro" estudiando solo fotos donde alguien señaló explícitamente a un perro, mientras ignora a los otros animales en la foto que podrían ser simplemente gatos o ardillas. Si tu computadora ve un gato y piensa: "¡Eso es un perro!" porque no se le dijo lo contrario, se confunde.

Para complicar las cosas aún más, la ciudad submarina es un poco como un sueño cambiante. Las fotos que estás estudiando fueron tomadas por un grupo de buceadores en una parte del océano, pero las fotos de "prueba" que necesitas resolver son de un océano completamente diferente, tomadas con diferentes cámaras e iluminación. Esto se llama "desplazamiento de dominio" (domain shift). Es como intentar reconocer la cara de un amigo después de haber visto solo sus fotos en blanco y negro, pero luego que te pidan identificarlo en un video de alta definición a color. El objetivo de esta investigación es construir un sistema informático que pueda detectar estas criaturas marinas y nombrarlas correctamente, incluso cuando el mapa está incompleto y la iluminación es extraña.

---

La nueva estrategia del detective: Dividir el trabajo

El equipo de Georgia Tech, conocido como DS@GT ARC, se dio cuenta de que intentar hacer todo a la vez era una receta para el desastre. Imagina pedirle a una sola persona que sea los ojos que detectan al animal, el cerebro que lo nombra y el juez que decide si la suposición es lo suficientemente buena. En sus experimentos, este enfoque de "todo en uno" chocó contra un muro. La computadora seguía confundiéndose con los animales no marcados, pensando que eran errores.

Así que decidieron dividir el trabajo en una carrera de relevos con tres corredores distintos, cada uno haciendo una cosa bien.

Corredor 1: El explorador de ojos atentos (El Detector)
Primero, necesitaban a alguien que escaneara todo el fondo del océano y gritara: "¡Oye, hay algo ahí!". Utilizaron un robot preentrenado llamado "Megalodon" (un tipo de detector YOLO). En lugar de enseñar a Megalodon a aprender cosas nuevas de los datos desordenados de la competencia, lo mantuvieron congelado, como un explorador veterano que ya sabe cómo detectar formas.

• El truco de las teselas (Tiling Trick): El fondo del océano es enorme, y algunas criaturas marinas son diminutas. Si entrecierras los ojos para mirar una foto completa, un pequeño erizo parece una mota de polvo. Para solucionar esto, el equipo no solo miró la imagen completa; cortó la imagen en teselas más pequeñas y superpuestas, como un mosaico. Esto permitió al explorador hacer zoom en los detalles minúsculos.
• El filtro de bordes: A veces, una criatura queda cortada por la mitad por el borde de una tesela. El equipo añadió una regla: si una forma detectada está cortada por el borde de la tesela, deséchala. Esto evitó que el equipo contara medios erizos como ejemplares completos.

Corredor 2: El biólogo experto (El Clasificador)
Una vez que el explorador encontró un "algo", le pasó una foto recortada de ese lugar al segundo corredor: una IA superinteligente llamada DINOv3. El único trabajo de este corredor es mirar a la criatura y decir: "Eso es un erizo de mar" o "Eso es un pez óseo".

• La salsa secreta: No enseñaron a este robot desde cero. En su lugar, utilizaron una técnica llamada "LoRA" (Adaptación de Bajo Rango). Piensa en esto como darle al robot un cuaderno pequeño y especializado para escribir las reglas específicas de los 32 tipos de criaturas marinas de la competencia, sin tener que reescribir todo su cerebro. Esto permitió que el robot se convirtiera en un maestro de los detalles finos, como distinguir entre dos tipos de peces muy similares.

Corredor 3: El juez dubitativo (El Reclasificador)
Incluso el mejor biólogo puede ser demasiado confiado. A veces, una roca extraña puede parecerse lo suficiente a un pez como para que el biólogo diga: "¡99% seguro de que eso es un pez!". El equipo añadió un tercer paso para verificar la confianza. Construyeron una "cabeza de validez" inspirada en una "Prueba de Turing" (una prueba para ver si una máquina puede engañar a un humano). Este juez pregunta: "¿Realmente este candidato se parece a los otros miembros de su clase?".

• El resultado: Este juez actuó como un suave empujón. No descartaba las suposiciones; simplemente ajustaba ligeramente la clasificación. Si una suposición era extraña, se bajaba en la lista. Si parecía sólida, se mantenía cerca de la cima.

La puntuación final: Uniendo todo

El equipo no se limitó a dejar que los tres corredores gritaran sus respuestas. Utilizaron un truco matemático especial llamado "fusión geométrica ponderada" para combinar las puntuaciones. Imagina que el Explorador da una puntuación de qué tan seguro está de que hay algo ahí, el Biólogo da una puntuación de qué tan seguro está del nombre, y el Juez da una puntuación de qué tan consistente es la suposición. La puntuación final es una mezcla de los tres. Si cualquiera de ellos es débil, la puntuación final cae, asegurando que solo las suposiciones más fuertes y consistentes lleguen a la cima.

Lo que encontraron (y lo que descartaron)

El equipo realizó cientos de experimentos, y los resultados fueron una mezcla de momentos de "¡ajá!" y lecciones de "ups".

• El explorador congelado ganó: Intentaron enseñar al explorador (Megalodon) a aprender de los datos desordenados, con la esperanza de que mejorara. Pero no funcionó. El explorador "congelado", que simplemente usaba su conocimiento existente, en realidad funcionó mejor en la carrera final. El equipo aprendió que intentar ajustar el detector con datos ruidosos e incompletos hacía que todo el sistema empeorara.
• La trampa de lo "Estricto" frente a lo "Real": Intentaron ser súper estrictos, aceptando solo las suposiciones que coincidían perfectamente con las etiquetas conocidas. Pero en el mundo real (el conjunto de prueba oculto), muchas criaturas reales no estaban etiquetadas en los datos de entrenamiento. Si filtraban de forma demasiado agresiva, accidentalmente desechaban animales reales que simplemente no estaban marcados. ¿La lección? Es mejor mantener una red amplia y dejar que el sistema de clasificación se encargue de separar lo bueno de lo malo, en lugar de eliminar cualquier cosa que parezca sospechosa.
• La división Pública vs. Privada: El equipo tuvo dos versiones de su sistema. Una versión, que incluía al "Juez Dubitativo" (el reclasificador inspirado en TTN), funcionó muy bien en la tabla de clasificación pública y en sus propias pruebas externas. Sin embargo, en la tabla de clasificación privada final y secreta, la versión más simple (sin el juez) ganó por un margen mínimo. Esto les enseñó que una señal que parece útil en una prueba puede no ser lo suficientemente robusta para el desafío final desconocido.

El panorama general

Al final, el sistema del equipo quedó en el puesto 12 de 102 equipos con una puntuación de 0.1757. Su mayor descubrimiento no fue un nuevo superalgoritmo, sino una estrategia: no intentes arreglar los datos desordenados; trabaja alrededor de ellos.

Descubrieron que separar el trabajo de "encontrar" del trabajo de "nombrar", utilizando un detector congelado y confiando en un sistema de clasificación inteligente, era más poderoso que intentar forzar a un solo modelo a aprenderlo todo. También aprendieron que, en un mundo de mapas incompletos, ser demasiado agresivo al filtrar suposiciones "dudosas" es peligroso. A veces, lo que crees que es un error es en realidad un tesoro real y no etiquetado.

El artículo sugiere que, si bien el uso de métodos de "estudiante-maestro" (donde un modelo inteligente enseña a uno más débil) y la creación de datos falsos son ideas prometedoras, deben manejarse con extremo cuidado. Si el maestro no es perfecto, el estudiante simplemente aprende los errores del maestro. Por ahora, la apuesta más segura es mantener el detector simple, dejar que el clasificador haga el trabajo pesado con los nombres y usar una mano suave para clasificar las suposiciones finales.