我國(guó)陜南寒武紀(jì)初期的寬川鋪組（距今大約535百萬(wàn)年）以盛產(chǎn)磷酸鹽化的微體小殼化石和球狀動(dòng)物胚胎化石而聞名于世,是探索早期動(dòng)物門(mén)類(lèi)起源和寒武紀(jì)生命大爆發(fā)研究中的一個(gè)非常重要的窗口。在寬川鋪組中尋找微體化石新類(lèi)型主要依賴顯微鏡下人工挑選的傳統(tǒng)方法日趨低效,迫切需要新的技術(shù)手段來(lái)解決這些問(wèn)題。而微體化石數(shù)量龐大,大小接近,形態(tài)簡(jiǎn)單,非常適合于采用機(jī)器學(xué)習(xí)的手段進(jìn)行人工智能分類(lèi)。我們?cè)趯挻ㄤ伣M微體化石中嘗試使用機(jī)器學(xué)習(xí)的手段來(lái)進(jìn)行化石圖像識(shí)別和機(jī)器分揀。采用方向梯度直方圖來(lái)提取化石圖像的主要向量特征,并設(shè)計(jì)了二叉樹(shù)型多分類(lèi)識(shí)別器進(jìn)行化石數(shù)字分類(lèi)。目前處理了5 000多張微體化石照片的人工智能識(shí)別,已經(jīng)取得了較高的準(zhǔn)確率。 

【文章來(lái)源】：古生物學(xué)報(bào). 2019,58(02)北大核心CSCD

【文章頁(yè)數(shù)】：11 頁(yè)

【部分圖文】：

圖６ＨＯＧ特征向量組成ＦｅａｔｕｒｅｖｅｃｔｏｒｃｏｍｐｏｓｉｔｉｏｎｏｆＨＯＧ插

插圖６ＨＯＧ特征向量組成ＦｅａｔｕｒｅｖｅｃｔｏｒｃｏｍｐｏｓｉｔｉｏｎｏｆＨＯＧ插圖７基于ＳＶＭ的多分類(lèi)化石識(shí)別器ＭｕｌｔｉｃａｔｅｇｏｒｙｆｏｓｓｉｌｒｅｃｏｇｎｉｚｅｒｂａｓｅｄｏｎＳｕｐｐｏｒｔＶｅｃｔｏｒＭａｃｈｉｎｅ（ＳＶＭ）３．４模型訓(xùn)練模型訓(xùn)練是根據(jù)已有化石的人工分類(lèi)結(jié)果學(xué)習(xí)高維線性可分的超平面參數(shù)，而每個(gè)ＳＶＭ分類(lèi)器都需要學(xué)習(xí)訓(xùn)練不同的參數(shù)。如插圖８所示，三個(gè)分類(lèi)器ＳＶＭ１、ＳＶＭ２和ＳＶＭ３是將樣本圖像映射至高維空間后，利用已標(biāo)定種類(lèi)的正樣本圖像特征和其他樣本特征一起學(xué)習(xí)在各自高維空間中的線性可分的超平面，如ＳＶＭ１分類(lèi)超平面、ＳＶＭ２分類(lèi)超平面和ＳＶＭ３分類(lèi)超平面，檢驗(yàn)測(cè)試時(shí)就依據(jù)該學(xué)習(xí)訓(xùn)練好的分類(lèi)超平面對(duì)被測(cè)樣本圖像進(jìn)行歸類(lèi)。ＳＶＭ分類(lèi)器的模型訓(xùn)練主要學(xué)習(xí)得到了用于確定分類(lèi)超平面的支持向量、支持向量在決策函數(shù)中的系數(shù)及決策函數(shù)的常數(shù)項(xiàng)，由于本文中設(shè)計(jì)了三個(gè)ＳＶＭ分類(lèi)器，故每個(gè)分類(lèi)器的參數(shù)都需要利用該類(lèi)化石圖像單獨(dú)訓(xùn)練。與此同時(shí)，為了降低同一類(lèi)化石中不同個(gè)體差異對(duì)識(shí)別準(zhǔn)確性的影響，在模型訓(xùn)練時(shí)盡可能準(zhǔn)備更多具有不同形態(tài)的化石圖像樣本進(jìn)行學(xué)習(xí)，即模型學(xué)習(xí)的化石圖像類(lèi)型越全面，識(shí)別的準(zhǔn)確性越高。３．５實(shí)際測(cè)試實(shí)際測(cè)試過(guò)程中是將待測(cè)樣本圖像經(jīng)過(guò)ＨＯＧ特征提取和規(guī)范化處理后，首先利用ＳＶＭ１分類(lèi)器將非化石的渣滓分離，然后對(duì)管狀、球狀和刺狀化石利用ＳＶＭ２將球狀化石和其他化石分開(kāi)，最后利用ＳＶＭ３完成管狀化石和刺狀化石分開(kāi)。該過(guò)程可以由計(jì)算

。３．５實(shí)際測(cè)試實(shí)際測(cè)試過(guò)程中是將待測(cè)樣本圖像經(jīng)過(guò)ＨＯＧ特征提取和規(guī)范化處理后，首先利用ＳＶＭ１分類(lèi)器將非化石的渣滓分離，然后對(duì)管狀、球狀和刺狀化石利用ＳＶＭ２將球狀化石和其他化石分開(kāi)，最后利用ＳＶＭ３完成管狀化石和刺狀化石分開(kāi)。該過(guò)程可以由計(jì)算機(jī)自動(dòng)對(duì)單一未知樣本圖像進(jìn)行識(shí)別，也可以對(duì)數(shù)量眾多的樣本圖像批量識(shí)別，能夠極大降低科研人員的重復(fù)性工作量。為了更加直觀地展示不同樣本圖像的特征提取、識(shí)別分類(lèi)過(guò)程，插圖９給出插圖８ＳＶＭ多分類(lèi)器訓(xùn)練超平面ＡｍｕｌｔｉｃａｔｅｇｏｒｙｔｒａｉｎｉｎｇｈｙｐｅｒｐｌａｎｅｂａｓｅｄｏｎＳＶＭＡ．渣滓分類(lèi)器高維空間示意圖，區(qū)別化石和渣滓；Ｂ．球狀化石分類(lèi)器高維空間示意圖，區(qū)別球狀化石和其他化石；Ｃ．管狀化石Ｃｉｒｃｏｔｈｅｃａ和刺狀化石Ｐｒｏｔｏｈｅｒｔｚｉｎａ分類(lèi)器高維空間示意圖，以區(qū)別這兩種類(lèi)型的化石。Ａ．Ａｓｃｈｅｍａｔｉｃｄｉａｇｒａｍｏｆｈｙｐｅｒｐｌａｎｅｉｎｔｈｅｈｉｇｈｄｉｍｅｎｓｉｏｎａｌｓｐａｃｅｒｔｏｄｉｓｔｉｎｇｕｉｓｈｄｅｂｒｉｓａｎｄｏｔｈｅｒｆｏｓｓｉｌｓ；Ｂ．Ａｓｃｈｅｍａｔｉｃｄｉａｇｒａｍｏｆｈｙｐｅｒ－ｐｌａｎｅｔｏｄｉｓｔｉｎｇｕｉｓｈｔｈｅｓｐｈｅｒｉｃａｌｆｏｓｓｉｌｆｒｏｍｏｔｈｅｒｆｏｓｓｉｌｓｉｎｔｈｅｈｉｇｈ－ｄｉｍｅｎｓｉｏｎａｌｄｉａｇｒａｍ；Ｃ．ＡｃｌａｓｓｉｆｉｅｒｄｅｓｉｇｎａｔｅｄｆｏｒｄｉｓｔｉｎｇｕｉｓｈｉｎｇＣｉｒｃｏ－ｔｈｅｃａａｎｄＰｒｏｔｏｈｅｒｔｚｉｎａ．７４１第２期張濤等：陜南寒武系微體化


本文編號(hào)：3109700