🌊 نقشه‌برداری هوشمند از اعماق دریا؛ معرفی مجموعه داده BenthiCat

⚠️ هشدار به محققان: چرا دقت مدل‌های شناسایی پهپاد گاهی «واقعی» نیست؟

محققان برای بهبود عملکرد هوش مصنوعی در محیط‌های زیرآبی، یک مجموعه داده بزرگ و جامع به نام BenthiCat منتشر کرده‌اند! این دیتاسِت شامل حدود یک میلیون تصویر سونار، نقشه‌های عمق‌سنجی و تصاویر اپتیکال ثبت‌شده توسط زیردریایی‌های خودران (AUV) از سواحل کاتالونیا است.

چرا این خبر مهم است؟
کمبود داده‌های برچسب‌گذاری شده در حوزه زیست‌بوم‌های دریایی، همواره مانع بزرگی برای توسعه مدل‌های بینایی ماشین بوده است. حالا با استفاده از این دیتاسِت و ابزارهای متن‌باز ارائه شده، پژوهشگران می‌توانند دقت مدل‌های خود را در طبقه‌بندی بستر دریا و حفظ محیط زیست به‌طور قابل توجهی افزایش دهند. گامی بزرگ برای هوش مصنوعی در خدمت حفاظت از اقیانوس‌ها! 🤖🚢

ِت

منبع: arXiv Computer Vision