鸟鸣分类中的泛化能力：迁移学习方法与数据集特征的影响

动物声音可被机器学习自动识别，这在生物多样性监测中发挥着重要作用。尽管如此，尽管生物声学物种分类器的能力日益提升，但仍在复杂声景中表现出在不同物种和栖息地之间的不平衡。本研究探讨了在各种条件下（包括单标签和多标签情景，以及 CNN 和 Transformer 等不同模型架构）大规模鸟鸣分类中迁移学习的有效性。我们的实验表明，微调和知识蒸馏均能实现优异性能，其中跨蒸馈在提高 Xeno-canto 数据上的领域内性能方面尤为有效。然而，在声景上泛化时，浅层微调的表现优于知识蒸馈，凸显了其鲁棒性和受限性。我们的研究进一步探讨了如何在存在但不完整的多物种标签情况下使用多物种标签。我们主张动物声社区应采用更为全面的标注实践，包括标注背景物种并提供时间细节，以提升鲁棒鸟鸣分类器的训练水平。这些发现为推进自动生物声识别提供了关于如何最佳利用预训练模型的见解。