您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
团队利用机器学习识别数百万图像中的浮游生物
2018年09月26日 由 浅浅 发表
474903
0
当考虑大数据时，大多数研究人员可能会想到基因组学，神经科学或粒子物理学。路易斯安那大学拉斐特分校研究海洋生态系统Kelly Robinson则用数据挑战浮游生物。Robinson说：“从鱼类到牡蛎，从贻贝到虾，很多东西都是我们喜欢吃的海鲜，几乎都从浮游生物开始的。在照片中，它们看起来像漂浮的尘埃斑点。”她的研究涉及量化和映射它们的分布和捕食者与猎物的相互作用。问题是，有数以百万计的图像。
Robinson通过拖曳远程摄像机平台收集数据，该平台称为ISIIS，原位浮游生物成像系统。ISIIS每秒可拍摄约80张照片，或每小时拍摄288000张图像（660千兆字节）。对于佛罗里达海峡的一个项目，她制作了3.4亿张照片；一位在墨西哥湾工作的同事创造了数十亿美元。
“你开始学习你从未想过会学到的东西，”Robinson说，“就像你可以在个人电脑上存储的文件数量一样。”在她最近的巡航中，罗宾逊带了52个2TB的硬盘，一个学生必须在他们填满时进行监控和更换。然后有人必须将该集合转到大学，将文件转换为Linux格式，并将它们上传到服务器，每个驱动器需要24个小时运行。
该团队使用机器学习软件自动挑选和识别图像中的对象。但必须教会算法寻找什么，比如这是海星，那是对虾。这些特征在水中比较少见，因此找到训练集的图片需要时间。两个多月后，团队手动整理了200万张图片，以训练算法。
当然，团队正在寻求优化流程。Robinson在Corvallis的俄勒冈州立大学与同事一起工作，正在测试她是否可以通过在多个并行运行的视频卡图形处理单元（GPU）上处理图像来加速工作。她还将云计算作为地球集群的替代品。
欢迎关注ATYUN官方公众号
商务合作及内容投稿请联系邮箱:bd@atyun.com
广告
广告
写评论取消
回复取消