科学家们利用成像技术研究浮游生物，WHOI-Plankton数据集包含340万张图像，支持自动分类。深度学习方法提高了浮游生物识别的准确性，并提出了新的无监督学习流程和异常检测系统。研究探讨了分类器在实际应用中的挑战，并提出改进方案，推动浮游生物研究的发展。

科学家们利用成像技术研究浮游生物，WHOI-Plankton数据集包含340万张图像用于自动分类。研究表明，自监督学习在水下机器人和声纳图像识别中，在少样本情况下的性能优于监督学习。新提出的SKI-HL框架和多标签方法在珊瑚分类中表现优越，支持全球珊瑚保育工作。

该文综述分布外（OOD）鲁棒性研究，涵盖OOD-CV、OOD-CV-v2、COCO-O、OODRobustBench等数据集与基准，发现现有方法提升鲁棒性效果有限，甚至可能削弱鲁棒性；视觉-语言预训练、额外数据、数据增强和先进架构有助于改善OOD鲁棒性。