利用 DNA 条形码提高基于图像的分类学 OOD 检测性能

基于图像的物种识别有助于将生物多样性监测扩展到全球规模。尽管如此，仍需解决许多挑战才能将这些系统实际应用到现实场景中。可靠的基于图像的监测系统必须检测其未出现的 OOD（out-of-distribution）类别，这在细粒度类别方面尤其具有挑战性。新兴的环境监测技术，如 DNA 条形码测序和环境 DNA（eDNA），可通过提供出现的 OOD 类别信息来帮助解决此问题。本文研究了 DNA 条形码是否也可用于基于 OOD DNA 序列与已见类别之间的相似性来寻找异常图像。我们提出了一种可轻松应用于任何预训练模型和现有 OOD 检测方法的重新排序方法。我们在实验中表明，所提出的方法在所有常见基准方法之上提高了分类学 OOD 检测性能。我们还表明，该方法之所以有效，是因为视觉相似性与 DNA 条形码接近性之间存在相关性。代码和数据已公开于 https://github.com/mikkoim/dnaimg-ood。