研究人员开发了一个名为ChiroEcho的深度学习框架，以改进蝙蝠发声的自动分类，解决了根据物种叫声识别物种的挑战，因为叫声会随着行为和环境而变化。该框架不仅预测物种和属，还利用地理信息将其分类系统扩展到最初学习的物种之外。通过将属的预测与区域物种分布相结合，ChiroEcho可以识别训练数据中不存在的物种，从而将欧洲蝙蝠自动分类的操作覆盖率从73%提高到85%，涵盖了48个本地物种中的41个。 AI
影响 通过改进的自动物种识别能力，增强了生态监测能力。
排序理由 这是一篇详细介绍用于特定分类任务的新深度学习框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
