When Imagery and Physical Sampling Work Together: Toward an Integrative Methodology of Deep-Sea Image-Based Megafauna Identification
Imagery has become a key tool for assessing deep-sea megafaunal biodiversity, historically based on physical sampling using fishing gears. Image datasets provide quantitative and repeatable estimates, small-scale spatial patterns and habitat descriptions. However, taxon identification from images is...
Guardado en:
Autores principales: | Mélissa Hanafi-Portier, Sarah Samadi, Laure Corbari, Tin-Yam Chan, Wei-Jen Chen, Jhen-Nien Chen, Mao-Ying Lee, Christopher Mah, Thomas Saucède, Catherine Borremans, Karine Olu |
---|---|
Formato: | article |
Lenguaje: | EN |
Publicado: |
Frontiers Media S.A.
2021
|
Materias: | |
Acceso en línea: | https://doaj.org/article/e5bf75a143a947169bcb5e381cd1ec72 |
Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
Ejemplares similares
-
Identifying Black Corals and Octocorals From Deep-Sea Imagery for Ecological Assessments: Trade-Offs Between Morphology and Taxonomy
por: Candice B. Untiedt, et al.
Publicado: (2021) -
Parasitismo Ocular en Patagonotothen Cornucola (Pisces: Nototheniidae) por un Copépodo Siphonostomatoida (Pennellidae) en la Región de Magallanes, Chile
por: Cañete,Juan I, et al.
Publicado: (2013) -
TAFONOMÍA DE LOS MAMÍFEROS EXTINTOS DEL PLEISTOCENO TARDÍO DE LA COSTA MERIDIONAL DEL SEMIÁRIDO DE CHILE (IV REGIÓN-32° LATITUDES): ALCANCES CULTURALES Y PALEOECOLÓGICOS
por: López Mendoza,Patricio
Publicado: (2007) -
δ13C Y δ15N de fauna proveniente de sitios arqueológicos del macizo del deseado, Santa Cruz, Argentina
por: Tessone,Augusto, et al.
Publicado: (2020) -
Species‐level image classification with convolutional neural network enables insect identification from habitus images
por: Oskar L. P. Hansen, et al.
Publicado: (2020)