Classification automatique des diatomées : extraction et identification des structures taxonomiques
Bibliographic record
Abstract
Les diatomes sont des algues unicellulaires de grand intrt dans les domaines de la palontologie, de l'cologie aquatique et de la mdecine lgale, entre autres. ce jour, plus de 100 000 espces sont connues et distribues dans les divers cosystmes aquatiques de la plante.Pour cette raison, il y a un grand intrt classifier automatiquement les images de diatomes.La procdure prliminaire d 'identification automatique d 'une espce de diatome est une tape complexe qui consiste isoler le spcimen de l'arrire-plan de l'image.Dans ce travail, nous proposons une mthode de segmentation et une procdure d'extraction d'objets pour isoler la diatome de l'arrire-plan.De plus, nous proposons des mthodes de dtection de caractristiques taxonomiques des diatomes tel que le raph, les stries et les cercles concentriques.Tout d'abord, nous segmentons l'image en cherchant deux seuils optimaux dans l'histogramme des niveaux de gris qui seront dtermins partir de la fonction de rpartition de cet histogramme.Puis, nous liminons, l'aide d'un critre inspir de la force d'attraction des corps, les rgions pouvant ne pas appartenir la diatome afin de les liminer du fond.Par la suite, nous construisons le contour de la diatome par des raffinements successifs de l'enveloppe convexe des rgions retenues.Ce contour constitue une approximation polygonale de la forme gnrale de la diatome qui permet l'extraction du spcimen.Des caractristiques taxonomiques, comme le raph et les stries, sont trouves en cherchant des segments continus partir des intensits du gradient de l'image.D'autres caractristiques, comme les cercles et les stries radiales, sont dtectes partir d'une analyse en cordonnes polaires des structures internes de la diatome.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.001 | 0.004 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".