
-
生物通官微
陪你抓住生命科技
跳动的脉搏
细粒度鸟类野生动物物种分类:MambaVision、视觉变换器与CNN架构的比较研究
《BMC Ecology and Evolution》:Fine-grained avian wildlife species classification: a comparative study of MambaVision, vision transformers, and CNN architectures
【字体: 大 中 小 】 时间:2026年07月26日 来源:BMC Ecology and Evolution 2.7
编辑推荐:
摘要鸟类物种分类是生态研究与保护工作中的重要任务,有助于准确监测生物多样性及环境状况。本研究使用了包含约90,000张图片的BIRDS-525数据集,该数据集涵盖了525种不同鸟类的图像,对七种先进的视觉变换模型以及五种基于卷积神经网络(CNN)的模型进行了评估。这些模型的性能通
鸟类物种分类是生态研究与保护工作中的重要任务,有助于准确监测生物多样性及环境状况。本研究使用了包含约90,000张图片的BIRDS-525数据集,该数据集涵盖了525种不同鸟类的图像,对七种先进的视觉变换模型以及五种基于卷积神经网络(CNN)的模型进行了评估。这些模型的性能通过准确性、F1分数以及推理时间来衡量。经过微调优化的视觉变换模型,尤其是MambaVision和ViT,展现了出色的准确性和效率,其中MambaVision的名义测试准确率达到了99.47%;不过统计分析表明,在应用邦费罗尼校正后,其性能与其他表现优异的模型如DenseNet201和视觉变换模型(ViT)相比并无显著差异。通过成对t检验和卡方检验(\(\chi^2\))进行严格统计验证后,发现在应用邦费罗尼校正后,有九种架构的性能在统计学上没有区别,只有AlexNet和ShuffleNetV2的性能明显较差。此外,研究还对各种深度学习方法进行了全面比较分析,评估了它们在BIRDS-525基准数据集上的表现,并与一些传统及最新的先进方法进行了对比。排名前五的模型还在一个自定义数据集——印度鸟类物种数据集(IBSD)上进行了进一步测试,该数据集包含5种鸟类的361张图片,这些图片是在真实环境中实时拍摄的。该数据集包含噪声较多且图像较为杂乱的样本,模型在这些条件下的表现可为其在实际拍摄环境中的泛化能力提供初步见解,其中ViT在整体现实世界性能方面表现最佳。这些研究结果为优化用于鸟类物种识别的基于CNN和变换器的模型提供了宝贵思路,有助于推进生物多样性监测与保护工作。
鸟类物种分类是生态研究与保护工作中的重要任务,有助于准确监测生物多样性及环境状况。本研究使用了包含约90,000张图片的BIRDS-525数据集,该数据集涵盖了525种不同鸟类的图像,对七种先进的视觉变换模型以及五种基于卷积神经网络(CNN)的模型进行了评估。这些模型的性能通过准确性、F1分数以及推理时间来衡量。经过微调优化的视觉变换模型,尤其是MambaVision和ViT,展现了出色的准确性和效率,其中MambaVision的名义测试准确率达到了99.47%;不过统计分析表明,在应用邦费罗尼校正后,其性能与其他表现优异的模型如DenseNet201和视觉变换模型(ViT)相比并无显著差异。通过成对t检验和卡方检验(\(\chi^2\))进行严格统计验证后,发现在应用邦费罗尼校正后,有九种架构的性能在统计学上没有区别,只有AlexNet和ShuffleNetV2的性能明显较差。此外,研究还对各种深度学习方法进行了全面比较分析,评估了它们在BIRDS-525基准数据集上的表现,并与一些传统及最新的先进方法进行了对比。排名前五的模型还在一个自定义数据集——印度鸟类物种数据集(IBSD)上进行了进一步测试,该数据集包含5种鸟类的361张图片,这些图片是在真实环境中实时拍摄的。该数据集包含噪声较多且图像较为杂乱的样本,模型在这些条件下的表现可为其在实际拍摄环境中的泛化能力提供初步见解,其中ViT在整体现实世界性能方面表现最佳。这些研究结果为优化用于鸟类物种识别的基于CNN和变换器的模型提供了宝贵思路,有助于推进生物多样性监测与保护工作。
生物通微信公众号