BioDCASE 2026挑战跨域蚊种分类基线
音频与语音处理
2026-03-23 v1 声音
摘要
蚊媒疾病每年影响超过十亿人，导致近百万人死亡。传统监测方法依赖陷阱和人工鉴定，缓慢、耗人力且难以规模化。基于音频的蚊虫监测提供了一种非破坏性、低成本且更易规模化的陷阱式监测方法，但在真实世界录音条件下可靠的种类分类仍然困难。蚊虫飞行音调窄带，信噪比常低，容易被背景噪声掩盖，且几种流行的疾病相关种类的录音仍有限，导致显著的类别不平衡。不同设备、环境和收集协议的差异进一步增加了稳健分类的难度。这种差异可能导致模型依赖于特定录音伪影而非种类相关的声学特征，这使得将模型迁移到新的获取设置方面困难。BioDCASE 2026跨域蚊种分类（CD-MSC）挑战正是围绕这一部署问题设计，通过在seen和unseen domains上评估性能来应对。本文提出了官方基线系统和评估管道，作为CD-MSC挑战任务的一个简单、完全可复现的参考。基线系统使用log-mel特征和多时间分辨率卷积神经网络（MTRCNN），包括种类和辅助域输出，以及完整的训练和测试脚本。基线系统在seen domains上表现良好，但在unseen domains上显著下降，表明跨域泛化而非领域内识别，是从多源生物声学录音进行实际蚊种分类的核心挑战。
关键词
引用
@article{arxiv.2603.20118,
title = {BioDCASE 2026 Challenge Baseline for Cross-Domain Mosquito Species Classification},
author = {Yuanbo Hou and Vanja Zdravkovic and Marianne Sinka and Yunpeng Li and Wenwu Wang and Mark D. Plumbley and Kathy Willis and Stephen Roberts},
journal= {arXiv preprint arXiv:2603.20118},
year = {2026}
}
备注
BioDCASE 2026 CD-MSC Baseline, source code and models: https://github.com/Yuanbo2020/CD-MSC