数据集概述
本数据集包含与地中海浮游植物多样性、大小结构及碳埋藏效率研究相关的CNN模型文件，涵盖目标检测模型（Faster R-CNN）和分类模型（ResNet50），以及模型训练评估文件、网络信息、标签文件等，为相关研究提供模型支持。
文件详解
该数据集包含十二类文件，具体说明如下：
- 模型文件:
- Faster_RCNN_Silica_model.pt: 目标检测模型文件（Faster R-CNN），用于检测明场显微镜图像中的微体化石实例
- ResNet50_frozen_model.pb: 分类模型文件（ResNet50），用于自动标记单个化石图像
- ResNet50_model.onnx: ResNet50模型的ONNX格式文件
- 模型信息与标签文件:
- ResNet50_network_info.xml: ResNet50网络信息的XML元数据文件
- Faster_RCNN_Silica_labels.txt: Faster R-CNN模型的标签文件
- ResNet50_legend.csv: 分类标签与索引映射文件，字段包括index（索引）、label（微体化石分类标签，如C_Calcidiscus）
- 模型评估与报告文件:
- ResNet50_health_summary.txt: 数据集健康报告文件，包含测试数据计算的整体标签健康值（0.8786982248520709）
- Faster_RCNN_Silica_results.txt: Faster R-CNN模型结果文件
- ResNet50_loss_vs_epoch.pdf: 模型训练损失随 epoch 变化的PDF图表
- ResNet50_accuracy_vs_epoch.pdf: 模型准确率随 epoch 变化的PDF图表
- ResNet50_confusion_matrix.pdf: 模型混淆矩阵的PDF图表
- ResNet50_tsne.pdf: 基于t-SNE的模型结果可视化PDF图表
适用场景
- 浮游植物研究: 用于明场显微镜图像中微体化石的自动检测与分类
- 海洋碳循环研究: 支持地中海碳埋藏效率相关分析
- 机器学习模型应用: 为类似生物图像检测与分类任务提供模型参考
- 环境变化影响研究: 辅助分析环境变化对浮游植物多样性及碳埋藏效率的影响
