换一批融合音频及生态位信息的跨地域鸟类物种识别方法
Cross-regional bird species recognition method integrating audio and ecological niche information
摘要鸟类被动声学监测对于了解其种群和群落动态及相关物种的行为功能具有重要意义.利用深度学习技术和鸟类鸣声特征来自动识别鸟类物种,是实现鸟类大规模被动声学监测的关键.亲缘关系相近的鸟类物种的鸣声极为相似,容易混淆,使得假阳性增加,从而导致深度学习模型识别精度有限.针对上述问题,本文提出一种融合音频及生态位信息的鸟类物种识别方法:首先基于残差网络ResNet18构建音频识别模型,再使用最大熵模型对鸟类物种分布进行预测,获取鸟类物种在不同位置的适生指数作为生态位信息,最后构建融合音频及生态位信息的鸟类物种识别模型NicheNet.实验结果表明,与ResNet18相比,NicheNet的Top-1准确率提升了 12.9％,Top-5准确率提升了 10.6％,同时NicheNet的近种错误率、近属错误率以及近科错误率分别下降了3.1％、1.8％以及8.0％.结合对两对鸣声相似的鸟类同科物种的识别结果发现,NicheNet能够根据生态位信息对基于音频特征的分类结果进行修正,以提高对亲缘关系相近、鸣声相似而分布差异大的鸟类同科物种的识别效果.本文所提出的融合音频及生态位信息的鸟类物种识别方法能够有效降低亲缘关系相近、鸣声相似但生态位不同的鸟类物种的误识别率,进而提升基于鸣声的跨地域鸟类物种识别准确率.
更多相关知识
关键词
被动声学监测鸟类鸣声识别残差网络深度学习生态位passive acoustic monitoringbird vocalization recognitionresidual networkdeep learningecological niche
栏目名称
DOI
10.17520/biods.2024259
发布时间
2025-01-22（万方平台首次上网日期，不代表论文的发表时间）
- 浏览7
- 被引3
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
