期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于系统分类学信息的鸟类音频零样本分类
1
作者 谢珊珊 张军国 +1 位作者 谢将剑 张长春 《林业科学》 北大核心 2025年第2期12-20,共9页
【目的】通过大量音频-文本对构建的鸟类音频预训练模型能基于物种类别辅助信息对缺乏训练样本的音频进行零样本分类,以减轻数据采集的负担,为鸟类音频零样本分类研究提供有效的理论依据,也为开放环境中的生态监测和物种分布变化分析提... 【目的】通过大量音频-文本对构建的鸟类音频预训练模型能基于物种类别辅助信息对缺乏训练样本的音频进行零样本分类,以减轻数据采集的负担,为鸟类音频零样本分类研究提供有效的理论依据,也为开放环境中的生态监测和物种分布变化分析提供参考。【方法】利用反映鸟类系统发育关系的系统分类学信息作为声音类的物种类别辅助信息,以预训练的RoBERTa文本编码器和HTSAT音频编码器分别提取系统分类学信息的语义嵌入和鸟类音频的声学嵌入,通过对比学习方法计算语义嵌入和声学嵌入的相似度,构建鸟类对比语言-音频预训练模型(CLAP-Bird),然后基于零样本类的物种类别辅助信息和CLAP-Bird模型实现零样本分类。【结果】在一个包含725 h的大型不平衡鸟类音频数据集上训练和评估了所提出的方法,在5个不同的8~10个类别的测试集上获得的平均F1_score为0.289,与以鸟类学名、鸟类生活史和基础特性信息作为物种类别辅助信息的基线模型相比,本文提出的模型对鸟类音频零样本分类性能明显提升。【结论】鸟类的系统分类学信息作为物种类别辅助信息,提供了关于鸟类的生物学遗传信息,有助于模型更好地理解鸟类鸣声之间的关系,提升了鸟类音频零样本学习的性能。且训练集与测试集的系统分类学关系越接近,则对测试集的零样本分类性能越好。 展开更多
关键词 鸟类音频分类 零样本学习 系统分类学信息 物种类别辅助信息 对比学习
在线阅读 下载PDF
溧水石臼湖省级湿地公园鸟类组成调查
2
作者 汪文婧 武孝立 +1 位作者 贺军 安树青 《现代农业科技》 2024年第5期175-177,181,共4页
为了掌握湿地公园鸟类的组成情况,采用样线法对石臼湖省级湿地公园的鸟类栖息状况进行了调查。结果显示,溧水石臼湖省级湿地公园内有鸟类12目34科110种。鸟类组成的分类调查显示,从居留型来看,有留鸟30种、夏候鸟21种、冬候鸟42种、旅... 为了掌握湿地公园鸟类的组成情况,采用样线法对石臼湖省级湿地公园的鸟类栖息状况进行了调查。结果显示,溧水石臼湖省级湿地公园内有鸟类12目34科110种。鸟类组成的分类调查显示,从居留型来看,有留鸟30种、夏候鸟21种、冬候鸟42种、旅鸟17种,分别占鸟类总数的27.27%、19.09%、38.18%、15.45%;从保护等级来看,有国家Ⅰ级保护鸟类2种、国家Ⅱ级保护鸟类8种、江苏省级重点保护鸟类63种;从鸟类区系繁殖鸟组成结构来看,有古北界鸟类9种、东洋界鸟类13种、广布种鸟类29种,分别占繁殖鸟类种数的17.65%、25.49%、56.86%。此次本底调查为合理保护和利用湿地公园提供了有价值的基础数据。 展开更多
关键词 溧水石臼湖省级湿地公园 鸟类组成 鸟类分类 调查
在线阅读 下载PDF
基于对比层级相关性传播的由粗到细的类激活映射算法研究 被引量:3
3
作者 孙辉 史玉龙 王蕊 《电子与信息学报》 EI CSCD 北大核心 2023年第4期1454-1463,共10页
以卷积神经网络为代表的深度学习算法高度依赖于模型的非线性和调试技术,在实际应用过程中普遍存在黑箱属性,严重限制了其在安全敏感领域的进一步发展。为此,该文提出一种由粗到细的类激活映射算法(CF-CAM),用于对深度神经网络的决策行... 以卷积神经网络为代表的深度学习算法高度依赖于模型的非线性和调试技术,在实际应用过程中普遍存在黑箱属性,严重限制了其在安全敏感领域的进一步发展。为此,该文提出一种由粗到细的类激活映射算法(CF-CAM),用于对深度神经网络的决策行为进行诊断。该算法重新建立了特征图和模型决策之间的关系,利用对比层级相关性传播理论获取特征图中每个位置对网络决策的贡献生成空间级的相关性掩码,找到影响模型决策的重要性区域,再与经过模糊化操作的输入图像进行线性加权重新输入到网络中得到特征图的目标分数,从空间域和通道域实现对深度神经网络进行由粗到细的解释。实验结果表明,相较于其他方法该文提出的CF-CAM在忠实度和定位性能上具有显著提升。此外,该文将CF-CAM作为一种数据增强策略应用于鸟类细粒度分类任务,对困难样本进行学习,可以有效提高网络识别的准确率,进一步验证了CF-CAM算法的有效性和优越性。 展开更多
关键词 卷积神经网络 类激活映射 对比层级相关性传播 鸟类细粒度分类 数据增强
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部