IFCB phytoplankton anomaly dataset (IFCB-PAD)

Kuvaus

IFCB phytoplankton anomaly dataset (IFCB-PAD) contains over 6200 manually annotated and expert-validated phytoplankton images (9 plankton classes) with anomalies such as parasites. The dataset with bounding box annotations is available in both COCO and YOLO format. OK images (no anomalies) are derived from SYKE-plankton_IFCB_2022 dataset (https://doi.org/10.23728/b2share.abf913e5a6ad47e6baa273ae0ed6617a) and NOK images consist of unpublished data measured in the 2021 on Utö station using Imaging FlowCytobot (IFCB, McLane Research Laboratories, Inc., U.S., Olson and Sosik, 2007). The plankton class list: - Aphanizomenon - Centrales - Dolichospermum - Chaetocero - Nodularia - Pauliella - Peridiniella Chain - Peridiniella Single - Skeletonem If you use this dataset in your research, we kindly ask that you reference the following paper: Bilik, S., Baktrakhanov, D., Eerola, T., Haraguchi, L., Kraft, K., Wyngaert, S.V.D., Kangas, J., Sjöqvist, C., Madsen, K., Lensu, L. and Kälviäinen, H., 2023. Towards Phytoplankton Parasite Detection Using Autoencoders. arXiv preprint arXiv:2303.08744.
Näytä enemmän

Julkaisuvuosi

2023

Aineiston tyyppi

Tekijät

Brno University of Technology

Karel Horak Orcid -palvelun logo - Muu tekijä

Simon Bilik Orcid -palvelun logo - Tekijä, Muu tekijä

Daniel Baktrakhanov - Muu tekijä

Heikki Kälviäinen Orcid -palvelun logo - Muu tekijä

Lasse Lensu Orcid -palvelun logo - Muu tekijä

Tuomas Eerola Orcid -palvelun logo - Muu tekijä, Julkaisija

Kaisa Kraft Orcid -palvelun logo - Muu tekijä

Lumi Haraguchi Orcid -palvelun logo - Muu tekijä

Jonna Kangas - Muu tekijä

Silke Van den Wyngaert Orcid -palvelun logo - Muu tekijä

Conny Sjöqvist Orcid -palvelun logo - Muu tekijä

Karin Madsen - Muu tekijä

Projekti

Muut tiedot

Tieteenalat

Tietojenkäsittely ja informaatiotieteet; Ympäristötiede

Kieli

englanti

Saatavuus

Avoin

Lisenssi

Creative Commons Nimeä 4.0 Kansainvälinen (CC BY 4.0)

Avainsanat

Computer vision, object detection, phytoplankton, Anomaly detection, Phytoplankton parasites, Plankton imaging

Asiasanat

konenäkö, loiset, anomaliat, kasviplankton

Ajallinen kattavuus

undefined

Liittyvät aineistot