扫码下载APP

您的位置

资讯详情

本人可编辑资讯

仅支持在APP编辑资讯扫描二维码即可下载APP

北京林业大学谢将剑课题组:基于自监督学习和聚类混合方法的野生朱鹮个体自动识别

论论资讯 | 2023-04-24 2热度

Ecological Informatics

Explore content

About the journal

Publish with us

Automatic individual recognition of wild Crested Ibis based on hybrid method of self-supervised learning and clustering

Zhao S.; Xie J.; Ding C.-Q.

Published:2023-07-01
DOI:10.1016/j.ecoinf.2023.102089

研究背景

随着现代社会的发展,人们对野生动物的保护越来越重视。但是,野生动物的数量众多,如何对它们进行有效的监测和管理是一个重要的问题。其中,野生鸟类的监测尤为重要,但是传统的人工监测方法效率低下,成本高昂。因此,开发一种自动识别野生鸟类的方法具有重要的研究意义。

研究内容

在这篇论文中,研究者们提出了一种基于自监督学习和聚类的混合方法,用于自动识别野生朱鹮的声音。为了解决缺乏标记数据的问题,研究者们改进了Bootstrap Your Own Latent for Audio (BYOL-A)模型,并使用了改进的数据增强模块和空间分组增强(SGE)注意力模块,创建了自监督学习模型BYOL-AIS。该模型旨在提取朱鹮声音的更具辨别力的表征。为了处理不可预测的个体数量,研究者们引入了一种聚类方法,将Uniform Manifold Approximation and Projection (UMAP)和Hierarchical Density-Based Spatial Clustering of Applications with Noise (HDBSCAN)相结合,以区分朱鹮声音的表征。研究者们从10只朱鹮采集的声音中进行了评估,识别准确率达到了0.864,与常用的有监督方法的性能相当。研究结果表明,他们提出的方法在缺乏标记数据的情况下识别野生鸟类是可行的,并且有潜力成为处理大量监测数据的分析工具。

研究意义

本研究提出了一种新的自动识别野生朱鹮的方法,解决了传统监测方法效率低下、成本高昂的问题。该方法具有较高的识别准确率,可应用于野生鸟类的监测和管理。此外,研究者们使用的自监督学习和聚类方法也为其他领域的无标记数据处理提供了新的思路和方法。因此,这项研究具有重要的理论和实际意义,有望在野生动物保护和数据处理方面产生重要的应用。

微信扫码即可查看