针对牙嘴鸠的少样本鸟鸣分类的自动化管道

本文提出了一个自动化的 one-shot 鸟鸣分类管道，专为缺乏大型公开分类器（如 BirdNET 和 Perch）中稀有物种而设计。虽然这些模型在大量训练数据可得的常见鸟类方面表现出色，但它们缺乏仅有 1-3 个已确认录音的物种——这一限制对于监控最后剩余个体的濒危鸟类保育者而言至关重要。为此，我们利用大型鸟类分类网络的 embedding 空间开发了一个使用余弦相似性组合的分类器，并结合过滤和去噪预处理技术，以最小化训练数据优化检测。我们使用聚类指标评估各种 embedding 空间，并在模拟场景中使用 Xeno-Canto 录音以及针对濒危牙嘴鸠 (Didunculus strigirostris) 的真实世界测试中进行验证，该物种没有现有的分类器且仅有三个已确认的录音。最终模型在检测牙嘴鸠鸣叫时实现了 1.0 的召回率和 0.95 的准确率，实用性强，可在现场使用。该开源系统为寻找稀有物种濒临灭绝的保育者提供了实用工具。