Classificazione di Antozoi mediante Convolutional Neural Network ed miglioramento visivo mediante l’algoritmo SeaThru
Progetto di Tesi presso l'Università "Parthenope" di Napoli.
Nell'arco dell'utlimo decennio, l'Inteligenza Artificiale ha acquisito un ruolo cardine nell'ambito delle Scienze Biomarine per quanto concerne il riconoscimento della flora e della fauna. Partendo dal problema del riconoscimento della fauna appartenente alla famiglia dei Antozoi, a cui appartengono anche quelli che comunemente conosciamo come Coralli, si è voluto sviluppare una "Convolutional Neural Network" che fosse in grado di classificare gli elementi sopra menzionati; il tutto è stato realizzato con l'ausilio dell'algoritmo "SeaThru" per il miglioramento delle immagini acquisite. Il software realizzato porta il nome di ThruCorals, e riunisce sotto un'unico tool la classificazione dei elementi citati ed il loro migliormaneto visivo. Gli obiettivi principali di tale progetto sono: (I) Creare uno strumento per catalogare velocemente e con massima precisione gli elementi acquisiti tramite il drone sottomarino OR2 , (II) Sviluppare strumenti per verificare i dataset e adattare questi ultimi al modello sviluppato, (III) Automatizzare, adattare e migliorare il processo che porta al miglioramento dei dati, tramite Seathru ed infine (IV) Dimostrare e verificare il miglioramento in seguito all'introduzione di tale ausilio. Link Progetto Principale SeaThru: https://www.deryaakkaynak.com/sea-thru
Per avviare il software digitare il seguente comando nella cartella principale:
python3 .\Thrucorals.py --folder NOME_FOLDERDataset utilizzato per Testing & Training Link https://www.kaggle.com/datasets/jxwleong/coral-reef-dataset
Se si vuole optare per una versioene piu semplice ed intuitiva, é possibile scaricare ed avviare la versione GUI. Reperibile nella repository: https://github.com/SimoneCff/ThruCorals-GUI
Anno Accademico 2022-2023