Deep learning-based detection of marine images and the effect of data-driven influences

Throughout recent years convolutional neural networks have been applied for various image detection tasks. Training data thereby plays an important role for the performance of those models. Not only the amount of images is crucial but also the number of annotations, classes as well as image dimensions. In view of changing underwater environments, the study of benthic communities is increasingly important especially in the Southern Ocean as they provide a key link for ecosystem shifts. This study concentrates on the automatic detection and classification of benthic species using deep learning. It could be shown that glass sponges, brittle stars and soft corals could successfully be detected even on few input data and highly biased class distributions in varying underwater scenes. Further analyses considering datadriven influences show significant performance declines regarding the training on single objects and classes per image and the evaluation on large image dimensions.

deep learning | automatic detection | underwater imagery | benthos Deep | Learning

In den letzten Jahren wurden gefaltete neuronale Netze für verschiedene Aufgaben der Bilderkennung eingesetzt. Die Trainingsdaten spielen dabei eine wichtige Rolle für die Leistungsfähigkeit dieser Modelle. Dabei ist nicht nur die Menge der Bilder entscheidend, sondern auch die Anzahl der Annotationen, Klassen sowie die Bilddimensionen. Angesichts sich verändernder Unterwasserumgebungen wird die Untersuchung benthischer Lebensgemeinschaften vor allem im Südlichen Ozean immer wichtiger, da sie hier vor allem sensibel auf Veränderungen reagieren. Diese Arbeit konzentriert sich auf die automatische Erkennung und Klassifizierung von benthischen Arten mittels Deep Learning. Es konnte gezeigt werden, dass Glasschwämme, Schlangensterne und Weichkorallen selbst bei wenigen Eingabedaten und stark unterrepräsentierten Klassen in unterschiedlichsten Unterwasserlandschaften erfolgreich erkannt werden. Weitere Analysen zu datengetriebenen Einflüssen zeigen deutliche Leistungseinbußen bei einzelnen Objekten und Klassen pro Bild während des Trainings und großen Bilddimensionen während der Evaluation.

automatische Detektion | Unterwasserbilder | Benthos

Ausgabe: HN 119, Seite 18–23

DOI: 10.23784/HN119-02

Autor/en: Mona Lütjens, Harald Sternberg

Automatic detection of boulders by neural networks
A comparison of multibeam echo sounder and side-scan sonar performance

Neural networks show great promise in the automatic detection of boulders on the seafloor. Maps derived from bathymetric data show better performance compared to backscatter mosaics in this study. However, we find the lack of training data groundtruthed to a high standard the largest challenge for automated object detection based on acoustic data.

boulder detection | neural networks | hydrographic surveying | bathymetry | backscatter

Neuronale Netze sind sehr vielversprechend bei der automatischen Erkennung von Felsbrocken auf dem Meeresboden. Aus bathymetrischen Daten abgeleitete Karten zeigen in dieser Studie eine bessere Leistung im Vergleich zu Rückstreumosaiken. Die größte Herausforderung für die automatische Objekterkennung auf Basis akustischer Daten ist jedoch der Mangel an Trainingsdaten, die auf einem hohen Standard erprobt sind.

Erkennung von Felsbrocken | neuronale Netze | Seevermessung | Bathymetrie | Backscatter

Ausgabe: HN 119, Seite 6–17

DOI: 10.23784/HN119-01

Autor/en: Peter Feldens, Patrick Westfeld, Jennifer Valerius, Agata Feldens, Svenja Papenmeier

Beschlüsse der 2. Generalversammlung der IHO

Die Generalversammlung (»Assembly«) ist das Hauptorgan der International Hydrographic Organization (IHO), das von den Vertretern der einzelnen Mitgliedsstaaten gebildet wird. Sie tritt alle drei Jahre zusammen, um allgemeine Richtlinien für die Arbeit zu geben sowie Entscheidungen technischer und administrativer Art zu treffen. Was im November 2020 bei der 2. Generalversammlung der IHO in Monaco beschlossen wur-de, fasst dieser Artikel zusammen.

IHO | Generalversammlung | S-101 | S-100 | S- 67 | S-57 | S-44 | S-23 | Papierseekarte | Elektronische Seekarte

Ausgabe: HN 118, Seite 48–50

DOI: 10.23784/HN118-07

Autor/en: Horst Hecht

Der blaue Planet im Wandel
Das Klima mittels modernster Messstrategien deuten

Achtzig Tage lang hat Boris Herrmann mit seiner Rennjacht während der Vendée Globe Ozeandaten aufge-zeichnet. Er ist nicht der Einzige, der im Rahmen der Initiative »Sailing meets Science« wichtige Daten für die Meeresforschung sammelt. Aufgezeichnet werden die Daten mit einem kompakten und robusten Ozeanla-bor.

Ozeanüberwachung | Temperatur | Salzgehalt | CO₂ | OceanPack RACE | Open-Access-Daten

Ausgabe: HN 118, Seite 44–47

DOI: 10.23784/HN118-06

Autor/en: Stefan Marx

Den Wandel im Watt mit Satelliten im Blick
Untersuchung der Morphodynamik im Schleswig-Holsteinischen Wattenmeer durch Satelli-tendatenanalyse von Prielverläufen und Sedimentklassifizierungen

Die Anwendbarkeit der Fernerkundung im Küstenbereich ist vielfältig. Optische Sensoren und Radarsensoren können verwendet werden, um für das Wattenmeer und zum Thema Küstenmorphologie Informationen zu generieren. Die Analyseverfahren und Informationsprodukte wurden gemeinsam von Behördenvertretern und Fernerkundungsexperten in langjähriger Zusammenarbeit entwickelt.

Fernerkundung | Wattenmeer | Prielverlagerung | Sedimentverteilung | Sentinel-Satelliten

Ausgabe: HN 118, Seite 38–42

DOI: 10.23784/HN118-05

Autor/en: Kerstin Stelzer, Martin Gade, Hans-Christian Reimers