通过专家信息驱动适应与基础模型先验实现细粒度夜蛾分类中的域间隙桥接
计算机视觉与模式识别
2025-08-28 v1
摘要
对自动相机系统中蛾类（Lepidoptera）图像进行标注对于理解昆虫衰退至关重要。然而，由于精选图像与噪声场图像之间的域迁移，准确的物种识别颇具挑战。我们提出一种轻量级分类方法，结合有限的专家标注场数据与来自高性能 BioCLIP2 基础模型的知识蒸馏，以 ConvNeXt-tiny 架构为目标。实验在来自 AMI 相机系统的 101 种丹麦夜蛾上表明，BioCLIP2 在其他方法上显著优于，并且我们的蒸馏轻量模型在显著降低计算成本的同时实现了可 comparable 的准确率。这些发现为开发高效的昆虫监测系统以及实现细粒度分类中的域间隙桥接提供了实用指导。
引用
@article{arxiv.2508.20089,
title = {Bridging Domain Gaps for Fine-Grained Moth Classification Through Expert-Informed Adaptation and Foundation Model Priors},
author = {Ross J Gardiner and Guillaume Mougeot and Sareh Rowlands and Benno I Simmons and Flemming Helsing and Toke Thomas Høye},
journal= {arXiv preprint arXiv:2508.20089},
year = {2025}
}