論文の概要: ChiroEcho: extending automated bat vocalisation classification beyond the learned taxonomy
- arxiv url: http://arxiv.org/abs/2608.18191v1
- Date: Tue, 18 Aug 2026 12:38:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-20 20:13:55.176245
- Title: ChiroEcho: extending automated bat vocalisation classification beyond the learned taxonomy
- Title（参考訳）: ChiroEcho:学習分類を超えた自動コウモリ発声分類の拡張
- Abstract要約: コウモリは生態系の健康にとって重要な指標であり、ヨーロッパ全土で保護されている。
本稿では,種と属を共同で予測し,属の予測と地理的種の分布を推論で組み合わせた深層学習フレームワークを提案する。
これは、分類器の効果的な分類法を制約するのではなく、拡張する手段として地理情報を再構成する。
- 参考スコア（独自算出の注目度）: 2.9676169191886235
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Bats are key indicators of ecosystem health and are protected throughout Europe, making reliable population monitoring a conservation priority. Their cryptic nocturnal lifestyle makes passive acoustic monitoring essential, yet automated identification remains difficult as echolocation calls vary with behaviour and environment and overlap among species. We present a deep learning framework that jointly predicts species and genus and combines genus predictions with geographic species distributions at inference. When only one species of a predicted genus occurs in a region, the framework can resolve species absent from the learned taxonomy. This reframes geographic information as a means of extending, rather than constraining, a classifier's effective taxonomy. Using recordings spanning 35 European bat species, we evaluate closed-set classification, examine the instability of performance estimates for sparsely represented species, and conduct a controlled held-out proof-of-principle experiment. The rare-species analysis shows how limited evaluation data can obscure species-level performance, while the held-out experiment shows that genus predictions and location can recover labels unavailable to the species head. Geographic resolution extends operational coverage from 35 to 41 of the 48 native European bat species, increasing coverage from 73% to 85%. To our knowledge, this is the broadest operational coverage reported for automated European bat classification. More broadly, the bat framework provides proof of principle for resolving unseen fine-grained classes by combining coarse predictions with transparent external constraints.
- Abstract（参考訳）: コウモリは生態系の健康にとって重要な指標であり、ヨーロッパ全土で保護されている。
彼らの秘密の夜行性ライフスタイルは、受動的音響モニタリングを必須としているが、エコーロケーションの呼び出しは行動や環境によって異なり、種間で重複するため、自動識別は依然として困難である。
本稿では,種と属を共同で予測し,属の予測と地理的種の分布を推論で組み合わせた深層学習フレームワークを提案する。
ある地域で予測された属の1種のみが出現した場合、この枠組みは学習された分類学から欠落した種を解決できる。
これは、分類器の効果的な分類法を制約するのではなく、拡張する手段として地理情報を再構成する。
欧州産コウモリ35種を対象とした記録を用いて、クローズドセット分類を評価し、疎に代表される種のパフォーマンス推定の不安定性を検証し、制御された基本実証実験を行った。
希少種分析は、限られた評価データが種レベルでのパフォーマンスを如何に隠すかを示し、保留実験は属の予測と位置が種頭で利用できないラベルを復元できることを示している。
地理的解像度はヨーロッパ原産のコウモリ48種のうち35種から41種までの範囲を拡大し、73%から85%まで増加した。
我々の知る限り、これはヨーロッパのコウモリの自動分類で報告された最も広い運用範囲である。
より広範に、バットフレームワークは、粗い予測と透明な外部制約を組み合わせることによって、目に見えないきめ細かいクラスを解くための原理の証明を提供する。
関連論文リスト
- CISO: Species Distribution Modeling Conditioned on Incomplete Species Observations [31.010868781061006]
種分布モデル(SDM)は、種の地理的分布を予測するために広く用いられている。
CSISは、不完全種観測に基づく種分布モデリングのための深層学習に基づく手法である。
我々は,異なる種群を表す3つのデータセットを用いたアプローチを実証した。植物のためのsOpen,鳥類のためのSatBird,蝶のためのSatButterfly。
論文 参考訳（メタデータ） (2025-08-08T21:15:12Z) - BioCLIP 2: Emergent Properties from Scaling Hierarchical Contrastive Learning [60.80381372245902]
生体視覚モデルでは,大規模コントラスト視覚言語学習により創発的行動が観察される。
我々は、異なる種を区別するために、TreeOfLife-200MでBioCLIP 2を訓練する。
得られたBioCLIP 2の埋め込み空間における創発的特性を同定する。
論文 参考訳（メタデータ） (2025-05-29T17:48:20Z) - ECOSoundSet: a finely annotated dataset for the automated acoustic identification of Orthoptera and Cicadidae in North, Central and temperate Western Europe [51.82780272068934]
ECOSoundSet (European Cicadidae and Orthoptera Sound dataSet) は,北欧,中央ヨーロッパ,温帯西ヨーロッパに分布する200種,24種(亜種を含む場合,それぞれ217種,26種)から10,653種を収録したデータセットである。
このデータセットは、北ヨーロッパ、中央ヨーロッパ、温帯ヨーロッパにおけるオルソプターとシカダの音響分類のための深層学習アルゴリズムの訓練のために、既にオンラインで入手可能な記録に意味のある補完となる可能性がある。
論文 参考訳（メタデータ） (2025-04-29T13:53:33Z) - A novel approach to navigate the taxonomic hierarchy to address the Open-World Scenarios in Medicinal Plant Classification [0.0]
既存の薬草分類法は、しばしば階層的な分類や未知の種を正確に識別することができないことが観察された。
DenseNet121,Multi-Scale Self-Attention (MSSA) と階層分類のためのカスケード分類器を組み合わせた新しい手法を提案する。
提案するモデルサイズは,既存の最先端技術に比べて約4倍小さく,現実のアプリケーションに容易にデプロイできる。
論文 参考訳（メタデータ） (2025-02-24T16:20:25Z) - Feedforward Few-shot Species Range Estimation [61.60698161072356]
特定の種が地球上でどこで発見できるかを知ることは、生態学の研究と保全に不可欠である。
正確な射程推定は 知られている全ての種の 比較的小さな割合でしか 利用できない
我々は、限られたデータから種の範囲を正確に推定するという課題に対処するために、数発の種範囲推定の新しいアプローチを概説する。
論文 参考訳（メタデータ） (2025-02-20T19:13:29Z) - A Saliency-based Clustering Framework for Identifying Aberrant
Predictions [49.1574468325115]
本稿では, 異常予測の概念を導入し, 分類誤差の性質が頻度と同じくらい重要であることを強調した。
本稿では,誤分類率の低減と異常予測の識別を両立する,新しい,効率的なトレーニング手法を提案する。
本手法を獣医学の分野である獣医学の分野に応用し, 被曝率は高いが, 人体医学に比べて広く研究されていない。
論文 参考訳（メタデータ） (2023-11-11T01:53:59Z) - Species196: A One-Million Semi-supervised Dataset for Fine-grained
Species Recognition [30.327642724046903]
種196(英: species 196)は、196科の外来種の大規模な半教師付きデータセットである。
専門家レベルの正確なアノテーションである種196-Lと、侵入種196-Uの1.2M以上のラベルのない画像を集めている。
論文 参考訳（メタデータ） (2023-09-25T14:46:01Z) - Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。
従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。
本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
論文 参考訳（メタデータ） (2023-06-05T03:36:01Z) - Dynamic $\eta$-VAEs for quantifying biodiversity by clustering
optically recorded insect signals [0.6091702876917281]
本稿では,系統群によるデータのクラスタリングが可能な変分オートエンコーダ(VAE)の適応的変種を提案する。
南スカンジナビアの光記録昆虫信号に対する動的$beta$-VAEの有用性を実証した。
論文 参考訳（メタデータ） (2021-02-10T16:14:13Z) - Two-View Fine-grained Classification of Plant Species [66.75915278733197]
本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。
シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
論文 参考訳（メタデータ） (2020-05-18T21:57:47Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。