基于图像数据的深水蛙属物种深度神经网络识别与新类检测

与许多复杂任务一样，发现、描述和理解地球生命多样性（即生物系统学与分类学）的工作需要多种工具。其中部分工作可按既往方式完成，但某些方面带来的挑战是传统知识与工具无法妥善解决的。物种复合群即为一例：群内成员形态相似，难以可靠识别已知物种并检测新种。我们应用机器学习原理开发新工具以应对物种复合群相关的两个具体问题来应对该挑战。第一个问题被表述为统计与机器学习中的分类问题，第二个问题为分布外（OOD）检测问题。我们将这些工具应用于由东南亚溪蛙（Limnonectes kuhlii 复合群）组成的物种复合群，并以定量客观方式使用了传统上定性处理的形态学特征（后肢皮肤纹理）。我们证明深度神经网络能成功将图像自动分类至其受训的已知物种组。我们进一步证明，若图像不属于现有类别，算法能成功将其分类为新类。此外，我们使用更大的 MNIST 数据集测试 OOD 检测算法的性能。文末我们就这些方法在物种复合群中的应用及记录真实生物多样性的努力给出结论性评述。本文含在线补充材料。