使用软对比正则化从卫星图像预测蝴蝶物种存在
计算机视觉与模式识别
2025-10-22 v1 机器学习
摘要
对可扩展生物多样性监测方法日益增长的需求推动了人们对遥感数据的兴趣，这得益于其广泛的可用性和覆盖范围。传统上，遥感在生物多样性研究中的应用侧重于栖息地的制图与监测，但随着大规模公民科学野生动物观测数据可用性的提高，最近的方法开始探索直接从卫星图像预测多物种存在。本文提出了一个新的数据集，用于从英国卫星数据预测蝴蝶物种存在。我们通过实验优化了一个基于 ResNet 的模型，以从 4 波段卫星图像预测多物种存在，并发现在物种生物多样性较高的地点，该模型尤其优于平均速率基线。为了提高性能，我们开发了一种针对概率标签（如物种存在数据）量身定制的软监督对比正则化损失，并证明这能提高预测准确率。总之，我们的新数据集和对比正则化方法有助于解决从遥感数据准确预测物种生物多样性的开放挑战，这对于高效的生物多样性监测至关重要。
引用
@article{arxiv.2505.09306,
title = {Predicting butterfly species presence from satellite imagery using soft contrastive regularisation},
author = {Thijs L van der Plas and Stephen Law and Michael JO Pocock},
journal= {arXiv preprint arXiv:2505.09306},
year = {2025}
}
备注
To be published in the 2025 CVPR FGVC12 workshop