AQUA20: A Benchmark Dataset for Underwater Species Classification under Challenging Conditions
本文介绍了 AQUA20，这是一个包含 20 种海洋物种、共 8,171 幅水下图像的全面基准数据集，旨在解决浑浊度和低照度等挑战，并评估了十三种最先进的深度学习模型，以建立性能基准并确定 ConvNeXt 是用于水下物种分类的最优架构。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正试图在充满雾气、浑浊的游泳池里玩一场“我看到……”（I Spy）的游戏：灯光闪烁，水流中混杂着泥沙，你要寻找的目标也在不断变换形状，或者躲在海藻后面。这就是计算机尝试在水下“看”东西时的日常现实。长期以来，科学家们一直知道海洋对摄像机来说是一个棘手的地方。水就像一个过滤器，会偷走颜色，让景象变得模糊，并以奇怪的方式折射光线。正因如此，那些在陆地上识别猫和汽车表现出色的智能计算机程序（称为人工智能或 AI），在潜入水面之下后往往会完全陷入混乱。它们很难分辨出什么是鲨鱼、什么是岩石，或者什么是水母、什么是团状的海藻。这至关重要，因为如果我们想要保护海洋、建造水下机器人或研究海洋生物，我们需要能够真正看清水下情况的计算机，而不仅仅是在黑暗中瞎猜。
这就是名为 AQUA20 的新项目发挥作用的地方。你可以把这篇论文看作是创作者们打造的一个规模宏大、极具挑战性的 AI “训练场”。研究人员意识到，要教会计算机成为一名优秀的水下侦探，你不能只给它看那些来自鱼缸的完美、清晰的照片；你需要向它展示真实的、混乱的世界：在浑浊的水中游动的鱼类，部分隐藏在沙子里的生物，以及那些看起来极其相似的动物。因此，他们构建了一个全新的数据集，名为 AQUло20。这是一个包含 8,171 张水下图像的集合，涵盖了 20 种不同的海洋生物，从色彩斑斓的珊瑚、海龟到鲨鱼和人类潜水员。他们特意挑选了那些难以观察的图像，以模拟真实海洋中艰苦的环境。
在建立了这样一个艰苦的训练场后，研究人员决定让 13 种不同类型的“学生”AI 模型接受测试。这些学生既有微小的轻量级模型（如 SqueezeNet 和 MobileNetV2，旨在运行在小型设备上），也有庞大的重量级模型（如 VGG19 和较新的 Vision Transformer）。这就像是一场比赛，有些选手试图追求速度和效率，而另一些选手则试图追求力量和细节。
比赛结果非常令人惊讶。最终的重量级冠军是一个名为 ConvNeXt 的模型。这个模型不仅赢得了比赛，而且统治了整个赛场。当它只给出一个答案时，其正确识别海洋物种的准确率（Top-1 准确率）达到了 90.69%；如果给它三次机会，它的正确率则高达 98.82%。它还取得了最高的综合得分，在平衡正确预测与漏检方面表现出色（F1 分数为 88.92%）。有趣的是，论文发现一些旧的、非常庞大的模型（例如拥有 1.39 亿参数的 VGG19）表现其实相当糟糕，这表明仅仅通过扩大模型规模并不总能让它变得更聪明。另一方面，那些微小的轻量级模型也做得不错，这证明了你并不总是需要超级计算机就能获得良好的结果，对于需要节省电池电量的水下机器人来说，这无疑是个好消息。
研究人员还窥探了这些模型的“大脑”，以观察它们是如何做出决策的。通过使用被称为 Grad-CAM 和 LIME 的特殊工具，他们创建了热力图，展示了 AI 正在注视图像的哪些部分。他们发现，获胜的模型 ConvNeXt 看向了正确的地方——比如海龟的头部或海豚的鳍部。然而，失败的模型则容易分心，盯着沙底或模糊的背景，而不是动物本身。
尽管 ConvNeXt 取得了成功，但论文明确指出，这项工作尚未完成。AI 在某些棘手的情况下仍然表现挣扎，例如区分看起来非常相似的海葵和珊瑚，或者识别躲在岩石后面的鱼。研究人员建议，虽然 AQUA20 是向前迈出的一大步，但仍有很大的提升空间。他们希望这个全新的数据集能帮助其他科学家构建更好、更可靠的水下视觉系统，但他们并未声称已经解开了水下视觉之谜。相反，他们提供了一份目前为止最好的地图和最艰苦的练习场，以帮助下一代 AI 潜水员掌握门道。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。