用于通过聚类光学记录昆虫信号量化生物多样性的动态 $\beta$-VAE
机器学习
2021-10-06 v2
摘要
尽管昆虫是最大且最具多样性的陆生动物类群，约占所有已知物种的 80%，但由于其体型微小且种间相似，难以研究。传统监测技术依赖耗时的诱捕方法以及熟练专家基于显微镜的繁琐工作，以在物种甚至科的水平上鉴定捕获的昆虫标本。由于昆虫数量急剧下降，研究人员与政策制定者迫切需要一个可扩展的监测工具，以保护生物多样性并保障人类粮食生产。为改进现有的昆虫聚类方法，我们提出了变分自编码器（VAE）的一种自适应变体，能够按系统发育类群聚类数据。所提出的动态 beta-VAE 动态调整重构与正则化损失项（beta 值）的缩放，从而产生输入数据的有用潜表示。我们在来自斯堪的纳维亚南部的光学记录昆虫信号上展示了动态 beta-VAE 的有用性，将未标记目标聚类为可能的物种。我们还展示了在使用少量标记数据的半监督设定下改进的聚类性能。这些在监督与半监督设定下使用动态 beta-VAE 的实验结果令人鼓舞，并可在不久的将来部署以监测昆虫并保护快速下降的昆虫生物多样性。
引用
@article{arxiv.2102.05526,
title = {Dynamic $\beta$-VAEs for quantifying biodiversity by clustering optically recorded insect signals},
author = {Klas Rydhmer and Raghavendra Selvan},
journal= {arXiv preprint arXiv:2102.05526},
year = {2021}
}
备注
Accepted to Journal of Ecological Informatics. 25 pages, 6 figures. Source code at https://github.com/remhdyr/dynamicBeta