Plankton Recognition in Images with Varying Size

Monitorování planktonu je důležité, protože je nezbytnou součástí vodního potravního řetězce a je také producentem kyslíku. Moderní zobrazovací zařízení produkují obrovské množství obrazových dat planktonu, což vyžaduje automatická řešení. Tyto obrázky se vyznačují velmi velkými rozdíly jak ve velikosti, tak v poměru stran. Na druhé straně klasifikační metody založené na konvoluční neuronové síti (CNN) obvykle vyžadují vstup s pevnou velikostí. Jednoduché škálování obrázků do běžné velikosti má několik nevýhod. Nejprve se ztratí informace o velikosti planktonu. Pro odborníky na lidi je informace o velikosti jedním z nejdůležitějších vodítek pro identifikaci druhu. Za druhé, zmenšení obrazu vede ke ztrátě jemných detailů, jako jsou bičíky, které jsou nezbytné pro rozpoznání druhů. Za třetí, upscaling obrázků zvětší velikost sítě. V této práci jsou prováděny rozsáhlé experimenty na různých přístupech k řešení různých rozměrů obrazu na náročném souboru obrazových dat fytoplanktonu. Je navržena nová kombinace metod, která ukazuje zlepšení oproti základní linii CNN.