2021-11-26
行政院農業委員會水產試驗所/林志遠研究員工研院微系統中心/鄭憲君工程師為解決一般深度學習模型需要大量標記資料所造成的人力與時間成本問題,本文介紹觀賞魚蝦的人工智慧機器學習中自動標記之創新流程與程式設計,包括訓練用影像資料的自動生成方式,初步測試透過程式自動生成21,900組的訓練資料,並同時產生對應的標記遮罩,可將動輒數個人月的資料收集與標記作業,濃縮在數小時內完成,大幅提高應用面的可行性。在兩個目標魚蝦物種影像的測試例中分別有約0.8上下的平均重疊度,屬於高度吻合,顯示本文所提出的方法可有效在複雜環境中標示魚蝦本體。未來應用此一方法可做為觀賞魚蝦產業使用於產品外表與色澤紋理自動分析或分級技術的核心基礎。