Fish Detection and Measurement based on Mask R-CNN
Resumo
Medidas morfológicas de peixes, extraídas de seu contorno, são indicadores importantes com aplicações na indústria pesqueira bem como para monitoramento e preservação das espécies. Assim, técnicas automáticas da extração do contorno tem sido exploradas e o desenvolvimento de métodos de segmentação de imagens de peixes são necessárias. Portanto, o objetivo deste trabalho foi desenvolver um método para medir automaticamente o comprimento do peixe, usando a rede Mask R-CNN na tarefa de segmentação de peixes. Comparando as medidas do comprimento do peixe do método proposto com a medida realizada manualmente, foi obtido um erro relativo médio de apenas 2,26%. Assim, um sistema para a automatização desse processo pode ser mais rápido, mais eficaz e mais escalável.
Referências
R. E. X. Meante and C. R. d. C. Dória, "Caracterização da cadeia produtiva da piscicultura no estado de Rondônia: Desenvolvimento e fatores limitantes," Revista de Administração e Negócios da Amazônia, vol. 9, no. 4, pp. 164–181, 2018.
G. Wang, J.-N. Hwang, F. Wallace, and C. Rose, "Multi-scale fish segmentation refinement and missing shape recovery," IEEE Access, vol. 7, pp. 52 836–52 845, January 2019.
H. Yao, Q. Duan, D. Li, and J. Wang, "An improved k-means clustering algorithm for fish image segmentation," Mathematical and Computer Modelling, vol. 58, p. 790–798, August 2013.
T. Bouwmans, S. Javed, M. Sultana, and S. Jung, "Deep neural network concepts for background subtraction: A systematic review and comparative evaluation," Neural Networks, vol. 1, p. 40, May 2019.
R. Mieloszyk and P. Bhargava, "Convolutional neural networks: The possibilities are almost endless," Current Problems in Diagnostic Radiology, vol. 47, January 2018.
M. Sung, S. Yu, and Y. Girdhar, "Vision based real-time fish detection using convolutional neural network," in OCEANS 2017 - Aberdeen, 2017, pp. 1–6.
K. O’Shea and R. Nash, "An introduction to convolutional neural networks," CoRR, vol. abs/1511.08458, 2015.
K. He, G. Gkioxari, P. Dollár, and R. Girshick, "Mask r-cnn," in 2017 IEEE International Conference on Computer Vision (ICCV), 2017, pp. 2980–2988.
"Software LabelImg." [Online]. Available: https://github.com/tzutalin/ labelImg
A. Tiwari, S. Srivastava, and M. Pant, "Brain tumor segmentation and classification from magnetic resonance images: Review of selected methods from 2014 to 2019," Pattern Recognition Letters, vol. 131, November 2019.
