尽管人工智能算法在浮游生物图像识别方面取得了相当大的进步，但大多数只能处理有限数量的已知类别。然而，实际上，海洋科学家肯定会遇到新的(未知或看不见的)浮游生物物种，现有算法很可能会失败。

由科学院深圳先进技术研究院(SIAT)李建平博士和厦门大学合作者领导的研究小组报告了一种异常检测管道及其执行方法，可能有助于更好地识别浮游生物。

题为“AnomalyDetectionforInSituMarinePlanktonImages”的论文发表在2021年国际计算机视觉会议上。

“基本上，管道在使用之前需要经过培训，这包括两个阶段，预培训阶段和培训后阶段，”李博士说。

在预训练阶段，研究人员提出了一种数据增强技术来生成辅助数据集，从而使AI模型能够获取丰富的未知类的想象知识。此外，他们提出了一种新的CKA损失函数，以更好地检测新类别并同时对现有类别进行分类。

在训练后阶段，进一步训练检测器，以根据预训练模型提取的特征将输入图像区分为已知或未知类别。如果图像被确定为已知类别，则检测器会将其进一步分类为已知类别之一。

训练后，AI管道可以更好地将未来图像分类为已知类或未知类之一。所提出的开放集分类方法有望帮助海洋生物学家更好地识别他们感兴趣的观察目标，从而使海洋浮游生物的原位监测变得更加方便和高效。