TaxaMargin — визуалдык жактан бири-бирине окшош дарак түрлөрүн айырмалоодо биологиялык таксономияны түздөн-түз үйрөнүү максатына киргизип, ArcFace стилиндеги бурчтук маржа классификациясын таксономиялык байланышка жараша ыңгайлаштырган терең үйрөнүү классификация ыкмасы. Изилдөөдө GBIF жана iNaturalist булактарынан 12 урууга таандык 36 дарак түрү үчүн тең салмакталган RGB сүрөттөр топтому түзүлгөн; ImageNet менен алдын ала үйрөтүлгөн ConvNeXt-Tiny негизги модели 256 өлчөмдүү L2-нормалдаштырылган өкүлдүк векторлорун түзүү үчүн майда жөнгө салынган. TaxaMargin сүрөттүн эң күчтүү туура эмес атаандашы туура түр менен бир урууга таандык болгондо чоңураак бурчтук маржа колдонгон; түр деңгээлиндеги жылма орточо прототиптер болсо өкүлдүк мейкиндигин кошумча иретке келтирген. Толук TaxaMargin + прототип системасы %81,57 түр тактыгына, %90,74 уруу тактыгына жана %82,00 macro-F1 көрсөткүчүнө жеткен; стандарттык softmax конфигурациясына салыштырмалуу бул метрикаларды тиешелүүлүгүнө жараша 12,57, 11,74 жана 15,20 пайыздык пунктка жогорулаткан.

Изилдөөнүн негизги идеясы — биологиялык классификациядагы бардык каталар бирдей маанини билдирбейт. Эмендин бир түрүн башка эмен түрү менен чаташтыруу толугу менен башка урууга таандык түр менен чаташтырууга караганда таксономиялык жактан жакыныраак ката болуп саналат. TaxaMargin ушул иерархиялык маалыматты үйрөтүү учурунда колдонуп, өзгөчө бир урууга таандык жана визуалдык жактан бири-бирине окшош түрлөрдү өкүлдүк мейкиндигинде күчтүүрөөк ажыратууну көздөйт.

Натыйжалар ыкманын изилденген маалыматтар топтомунда түр жана уруу деңгээлдериндеги классификацияны жакшыртканын көрсөтөт. Ошентсе да изилдөө бир гана тең салмакталган маалыматтар топтомунун үйрөтүү/валидация/тест бөлүнүшүнө негизделет; бул жыйынтыктар бардык дарак түрлөрүндө, бардык географияларда же реалдуу талаа колдонмолорунда ушундай эле көрсөткүч кепилденет дегенди билдирбейт. Мындан тышкары, моделдин ишеними дайыма эле тууралыкка дал келбейт жана булакта жогорку ишеним менен жасалган туура эмес классификациялар да билдирилген.

Эмне үчүн дарак түрлөрүн сүрөттөн айырмалоо кыйын?

Дарак түрүн таануу биоартүрдүүлүктү мониторинг кылуу, экологиялык изилдөө, токой башкаруу, коргоону пландоо жана шаардагы дарактарды баалоо үчүн маанилүү. Бирок талаада алынган бир RGB сүрөт ботаникалык аныктоо үчүн зарыл болгон бардык түзүлүштөрдү бир убакта көрсөтпөшү мүмкүн. Сүрөт бир гана жалбыракты, сөңгөктүн кабыгын, бутакты, гүлдү, мөмөнү, тобурчакты же таажынын көрүнүшүн камтышы мүмкүн.

Бир эле түр жашына, мезгилине, өсүү баскычына, ден соолук абалына, жарыкка, камера бурчуна жана айлана-чөйрө шарттарына жараша бир топ башкача көрүнүшү мүмкүн. Тескерисинче, бир урууга кирген жакын түрлөр жалбырактын формасы, кабыктын текстурасы же бутактануу түзүлүшү боюнча бири-бирине абдан окшош болушу мүмкүн. Ошентип, көйгөйдө эки кыйынчылык бир убакта пайда болот: түр ичиндеги визуалдык өзгөрмөлүүлүк жогору болушу мүмкүн, ал эми түрлөр аралык айырма өтө кичине болушу мүмкүн.

Таксономияга Сезгич Үйрөнүү Эмне Үчүн Колдонулат?

Таксономияга сезгич үйрөнүү түрлөрдү бири-биринен толугу менен көз карандысыз класстар катары кароонун ордуна түр–уруу байланышын үйрөнүү көйгөйүнө кошот; бул изилдөөдө бир уруудан болгон татаал атаандаш түрлөр үчүн чоңураак бурчтук маржа колдонулуп, моделдин эң майда биологиялык айырмачылыктарга көбүрөөк ажыратуу басымын багыттоосу камсыз кылынган.

Маалыматтар топтомун түзүү

Сүрөттөр негизинен GBIF жана iNaturalist платформаларынан чогултулган. Бузулган файлдар, кайталанган сүрөттөр жана жетиштүү визуалдык маалымат бербеген үлгүлөр тазаланган. Андан кийин ар бир түр үчүн туруктуу түрдө 300 сүрөт тандалып, класстардын саны тең салмактуу болушу камсыз кылынган.

Акыркы маалыматтар топтому 12 уруу × ар бир урууда 3 түр = 36 түр түзүлүшүндө.

Ар бир сүрөттө түрдүн белгиси да, уруунун белгиси да бар. Негизги максат — түрдү классификациялоо; уруу белгиси болсо таксономиялык маржаны түзүү жана уруу деңгээлиндеги көрсөткүчтү өлчөө үчүн колдонулат. Маалыматтар туш келди түрдө %70 үйрөтүү, %20 валидация жана %10 тест ички топтомдоруна бөлүнгөн.

Сүрөттү алдын ала иштетүү жана маалыматтарды көбөйтүү

Бардык сүрөттөр моделге берилерден мурун 320 × 320 пиксел өлчөмүнө келтирилген. Үйрөтүү баскычында моделдин талаа сүрөттөрүндөгү өзгөрмөлүүлүккө туруктуулугун жогорулатуу үчүн туш келди маалымат көбөйтүү операциялары колдонулган.

Валидация жана тест баскычында туш келди маалымат көбөйтүү колдонулган эмес, детерминисттик алдын ала иштетүү колдонулган. Ошентип, баалоо натыйжасынын туш келди сүрөт өзгөртүүлөрүнөн таасирленишине жол берилген эмес.

ConvNeXt-Tiny өзгөчөлүк чыгаргычы

Сүрөт өзгөчөлүктөрүн чыгаруу үчүн ImageNet менен алдын ала үйрөтүлгөн ConvNeXt-Tiny колдонулган. Модель timm PyTorch китепканасы аркылуу ишке ашырылып, дарак түрлөрү маалыматтар топтомунда кайра үйрөтүлгөн.

ConvNeXt-Tinyнин баштапкы классификация катмары алынып, анын ордуна толук байланышкан катмарларды, GELU активдешүүсүн жана dropoutту камтыган жаңы проекция башы орнотулган. Бул баш ар бир сүрөттү 256 өлчөмдүү өзгөчөлүк векторуна айлантат.

Өзгөчөлүк вектору андан кийин L2 нормасы менен нормалдаштырылып, бирдик гиперсферада көрсөтүлөт.

Теңдеме (1):

\[ z_i=\frac{u_i}{\|u_i\|_2}, \qquad \bar{w}_k=\frac{w_k}{\|w_k\|_2}, \qquad c_{ik}=z_i^{\top}\bar{w}_k=\cos(\theta_{ik}) \]

Бул жерде \(u_i\), сүрөт \(i\) үчүн 256 өлчөмдүү чийки өзгөчөлүк векторун; \(z_i\), нормалдаштырылган сүрөт өкүлдүгүн; \(w_k\), түр \(k\) үчүн классификатордун салмагын; \(c_{ik}\) болсо сүрөт менен класс өкүлдүгүнүн косинустук окшоштугун көрсөтөт. Классификация логиттеринин масштаб коэффициенти булакта \(s=30,0\) деп берилген.

TaxaMargin Деген Эмне жана ArcFaceтен Кандай Айырмаланат?

TaxaMargin — ArcFaceтин нормалдаштырылган өкүлдүк мейкиндигиндеги бурчтук маржа принцибин сактап, бирок маржаны туруктуу кармоонун ордуна эң күчтүү туура эмес атаандаштын туура түр менен бир урууга кирер-кирбесине жараша өзгөрткөн классификация башы; бир уруудагы атаандаш үчүн 0,30, башка уруудагы атаандаш үчүн 0,18 маржа колдонулат.

Эң татаал туура эмес классты табуу

Ар бир үйрөтүү үлгүсүндө адегенде туура класстан башка түрлөрдүн ичинен сүрөт өкүлдүгүнө эң окшош атаандаш изделет. Булак муну “эң жогорку косинустук окшоштукка ээ туура эмес түр” деп сүрөттөйт.

Булак Теңдеме (2) боюнча эскертүү: PDFтеги математикалык терүүдө тандоо оператору жетишпей тургандай көрүнөт. Ошондуктан бул жерде жетишпеген белги булактын атынан толукталбайт. Колдонулган алгоритмдик аныктама — туура түрдөн башка эң жогорку косинустук окшоштукка ээ түрдүн эң татаал терс үлгү катары тандалышы.

Бул тандоо үйрөтүүдө градиент өткөрбөгөн операция катары колдонулган.

Таксономиялык маржаны тандоо

Теңдеме (3):

\[ m_i= \begin{cases} m_{\mathrm{intra}}, & g(h_i)=g(y_i)\\ m_{\mathrm{inter}}, & g(h_i)\neq g(y_i) \end{cases} \]

Бул жерде \(g(\cdot)\) түр тиешелүү болгон урууну; \(h_i\) эң татаал туура эмес атаандашты; \(y_i\) туура түрдү көрсөтөт.

Булакта колдонулган маанилер:

\[ m_{\mathrm{intra}}=0,30, \qquad m_{\mathrm{inter}}=0,18 \]

Башкача айтканда, моделдин эң күчтүү атаандашы туура түр менен бир урууга кирсе, чоңураак маржа колдонулат. Максат, мисалы, эки жакын Salix же эки жакын Ulmus түрүнүн ортосунда күчтүүрөөк ажыратууну үйрөнүү.

Маржаны алгачкы үч epoch ичинде акырындап ачуу

Теңдеме (4):

\[ m_i^{(e)}=\alpha_e m_i, \qquad \alpha_e=\min\left(1,\frac{e}{E_m}\right), \qquad E_m=3 \]

Биринчи epochта максаттуу маржанын үчтөн бири, экинчи epochта үчтөн экиси, үчүнчү epochтан баштап толугу менен колдонулат. Бул warm-up үйрөтүүнүн алгачкы баскычтарында оптималдаштыруунун туруктуураак жүрүшү үчүн колдонулган.

Туура класстын бурчтук өзгөртүлүшү

Теңдеме (5):

\[ \phi_i= \cos\left(\theta_{iy_i}+m_i^{(e)}\right) = c_{iy_i}\cos\left(m_i^{(e)}\right) - \sqrt{1-c_{iy_i}^{2}} \sin\left(m_i^{(e)}\right) \]

Бул операция туура класска тиешелүү косинус маанисин гана өзгөртөт. Туура класстын чечим аймагына жетүүнү татаалдаштыруу аркылуу өкүлдүктүн өз класс борборуна күчтүүрөөк тегизделиши жана атаандаштардан айкыныраак ажырашы стимулдаштырылат.

Теңдеме (6):

\[ \ell_{ik}^{TM}= \begin{cases} s\phi_i, & k=y_i\\ s c_{ik}, & k\neq y_i \end{cases}, \qquad s=30,0 \]

TaxaMargin өзгөртүүсү үйрөтүү учурунда гана колдонулат; анткени маржаны эсептөө чыныгы түр белгисин талап кылат. Валидация жана тест маалында нормалдаштырылган косинус логиттери колдонулат. Демек, TaxaMarginдин милдети инференс маалында жаңы чечим эрежесин колдонуу эмес, үйрөтүү учурунда өкүлдүк мейкиндигинин геометриясын калыптандыруу.

Түр прототибин үйрөнүү

Изилдөө ар бир түр үчүн өзүнчө прототип векторун сактайт. Прототип — тиешелүү түрдүн үйрөнүлгөн өкүлдүк мейкиндигиндеги жылма таяныч борбору. Максат — бир түрдүн ар башка жалбырак, кабык, бутак же айлана-чөйрө көрүнүштөрүнөн келген өкүлдүктөрүн ырааттуураак класс түзүлүшүнүн айланасына уюштуруу.

Прототипти жаңыртууда экспоненциалдык жылма орточо моментуму:

\[ \mu=0,90 \]

катары колдонулган.

Ишеним босогосу менен чектелген прототип жаңыртуусу

Ар бир сүрөткө прототипти жаңыртууга уруксат берилбейт. Оптималдаштыруу кадамынан кийин бурчтук маржа колдонулбастан экинчи алдыга өтүү жүргүзүлөт жана туура түргө берилген ыктымалдык эсептелет.

Теңдеме (7):

\[ q_i= \left[ \operatorname{softmax} \left(\ell_i^{F,0}\right) \right]_{y_i} \]

Жаңыртуу төмөнкү шартта гана жүргүзүлөт:

\[ q_i\ge\tau_p, \qquad \tau_p=0,35 \]

Бул жердеги \(q_i\) — моделдин кандайдыр бир класска берген эң жогорку ыктымалдыгы эмес, дал чыныгы түргө берген ыктымалдыгы.

Теңдеме (8):

\[ p_c^{new}= \begin{cases} z_i, & \text{prototip henüz başlatılmamışsa}\\[4pt] \dfrac{\mu p_c^{old}+(1-\mu)z_i} {\|\mu p_c^{old}+(1-\mu)z_i\|_2}, & \text{diğer durumda} \end{cases} \]

\[ \mu=0,90 \]

Нормалдаштыруунун аркасында прототип да сүрөт өкүлдүктөрү жана классификатор салмактары менен бир эле бирдик гиперсферада калат.

Прототип окшоштук логиттери

Теңдеме (9):

\[ \ell_{ik}^{P} = s z_i^{\top}\bar{p}_k, \qquad \bar{p}_k= \frac{p_k}{\|p_k\|_2}, \qquad s=30,0 \]

Ушундайча прототип бутагы сүрөттүн ар бир түр прототибине болгон бурчтук/косинустук окшоштугунан экинчи божомол сигналын чыгарат.

Валидацияда, тестте жана прототип ишенимин эсептөөдө классификатор жана прототип логиттери бириктирилет:

Теңдеме (10):

\[ \ell_{ik}^{F} = \ell_{ik}^{C} + \lambda_p\ell_{ik}^{P}, \qquad \lambda_p=0,10 \]

Бул жерде \(\ell_{ik}^{C}=s c_{ik}\) — маржасыз косинус классификатор логити.

Прототип жоготуусунун warm-up процесси

Теңдеме (11):

\[ \beta_e= \min\left(1,\frac{e}{E_p}\right), \qquad E_p=3 \]

Теңдеме (12):

\[ \mathcal{L} = \mathcal{L}_{TM} + \beta_e\lambda_p\mathcal{L}_{P}, \qquad \lambda_p=0,10 \]

\(\mathcal{L}_{TM}\) TaxaMargin логиттеринен эсептелген кайчылаш энтропия жоготуусун; \(\mathcal{L}_{P}\) болсо түр прототиби логиттеринен эсептелген жардамчы кайчылаш энтропия жоготуусун билдирет.

Бул эки механизм ар башка милдетти аткарат: TaxaMargin ар башка түрлөрдүн, өзгөчө бир уруудагы татаал атаандаштардын ортосундагы класстар аралык ажыроону чоңойтсо; прототип үйрөнүүсү бир түрдүн ар башка сүрөттөрүндөгү класс ичиндеги тартипти жана тыгыздыкты колдойт.

Үйрөтүү стратегиясы

Үйрөтүү mini-batchтеринде түрлөрдүн үзгүлтүксүз өкүлдүгүн көбөйтүү үчүн weighted random sampler колдонулган. Алдын ала текшерүүлөрдө татаал деп аныкталган түрлөргө үйрөтүү топтомунда гана 1,8 факторлуу максаттуу oversampling колдонулган. Валидация жана тест топтомдору бул үлгүлөө стратегиясынан таасирленген эмес.

Баалоо протоколу

Көрсөткүч жалпы тактык менен гана өлчөнгөн эмес. Түр тактыгы, уруу тактыгы, macro precision, macro recall, macro-F1, салмакталган precision/recall/F1, түр боюнча баллдар жана уруу боюнча орточо F1 эсептелген.

Мындан тышкары беш көзөмөлдөнгөн конфигурация салыштырылган:

1. Стандарттык softmax
2. ArcFace
3. ArcFace + түр прототиби
4. TaxaMargin
5. TaxaMargin + түр прототиби

Бардык конфигурациялар бирдей маалымат бөлүнүшүн, негизги моделди, үйрөтүү протоколун жана баалоо метрикаларын колдонгон; ошондуктан абляциялык салыштыруу негизги компоненттердин салымын түздөн-түз изилдөө үчүн иштелип чыккан.

Өкүлдүк мейкиндигинин таксономиялык анализи

Тест сүрөттөрүнүн 256 өлчөмдүү нормалдаштырылган өкүлдүктөрүнүн ортосундагы косинустук аралыктар үч топко бөлүнгөн:

• Бир түрдөгү эки сүрөт
• Бир уруунун ичиндеги эки башка түр
• Ар башка урууларга таандык сүрөттөр

Ошондой эле 36 түр үчүн centroid эсептелип, centroidтердин ортосундагы косинустук аралыктардан эки өлчөмдүү Multidimensional Scaling (MDS) визуалдаштыруусу түзүлгөн. MDS визуалдык кароо үчүн гана колдонулган; сандык аралык салыштыруулар баштапкы жогорку өлчөмдүү өкүлдүк мейкиндигинде жүргүзүлгөн.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Абляция жыйынтыктары

Бул таблица эки өзүнчө жагдайды көрсөтөт. Биринчиден, стандарттык ArcFace softmaxка салыштырганда байкаларлык жакшыртуу берген. Экинчиден, таксономиялык маржаны кошуу ArcFaceтин үстүнө кошумча өсүш алып келген. Прототип үйрөнүүсүн ArcFaceке кошкондо өсүш чектелүү болсо да, TaxaMargin менен бириктиргенде чоңураак толуктоочу пайда байкалган.

Толук конфигурациянын softmaxка салыштырмалуу айырмасы:

Түр жана уруу деңгээлиндеги көрсөткүч

Macro жана weighted precision, recall жана F1 маанилеринин баары болжол менен 0,82 деңгээлинде. Айрым түрлөрдө көрсөткүч өтө жогору: Abies concolor үчүн F1 1,00; Tilia tomentosa жана Juniperus sabina үчүн 0,95 деп билдирилген.

Уруу боюнча эң жогорку орточо F1 мааниси Juniperus: 0,89; андан кийин Pinus: 0,85, Quercus: 0,84 жана Abies: 0,83 келет. Төмөнүрөөк орточо маанилер Tilia: 0,78 жана Ulmus: 0,78 үчүн байкалган.

Булак Populus tremula, Betula pubescens жана Tilia cordata сыяктуу айрым түрлөрдү классификациялоо кыйыныраак болгонун белгилейт.

Үйрөнүлгөн Өкүлдүк Мейкиндиги Чынында Таксономиялык Түзүлүштү Көрсөтөбү?

Ооба, изилденген тест маалыматтарында орточо косинустук аралык бир түрдүн сүрөттөрүндө 0,214, бир урууга кирген башка түрлөрдө 0,645 жана ар башка урууларда 0,763 болуп өсөт; бирок MDS визуалдаштыруусунда айрым уруулардын жарым-жартылай дал келиши таксономиялык ажыроо бардык топтордо кемчиликсиз эмес экенин көрсөтөт.

Бул тартип бир түрдүн өкүлдүктөрү бири-бирине эң жакын, бир уруунун ичиндеги түрлөр орточо деңгээлде бөлүнгөн, ал эми ар башка уруулардын өкүлдүктөрү орточо эсеп менен алысыраак жайгашканын көрсөтөт. Бирок MDS картасынын борборунда айрым уруулардын дал келиши өкүлдүк мейкиндиги биологиялык таксономияны толук жана кемчиликсиз кайра жаратат деп чечмеленбеши керек.

Каталар туш келдиби же таксономиялык түрдө түзүлүшкөнбү?

Түр деңгээлиндеги каталардын %46,23ү ошол эле уруудагы башка түргө, %53,77си башка уруудагы түргө жасалган. Ошентип, бардык түр каталарынын болжол менен жарымы жакын таксономиялык туугандардын арасында топтолгон.

Булактын сапаттык анализинде кайталанган айрым чаташтыруу жуптары:

• Salix alba ↔ Salix fragilis
• Ulmus glabra ↔ Ulmus laevis
• Abies alba ↔ Abies nordmanniana

Бул мисалдар айрым каталар моделдин таптакыр тиешеси жок түргө өтүп кетишинен көрө, визуалдык жактан окшош жана биологиялык жактан жакын түрлөрдүн арасында болгонун көрсөтөт.

Модель Ишенбесе Эмне Үчүн Уруу Деңгээлине Кайтып Келет?

Confidence-based fallback механизми түр деңгээлиндеги эң жогорку божомол ишеними белгилүү бир босогодон төмөн болсо, так түрдүн атын берүүнүн ордуна кеңири уруу маалыматын кайтарат; булакта 0,95 босого маанисинде бул ыкма %82,87 fallback тактыгына жеткен жана божомолдордун %6,67син уруу деңгээлине түшүргөн.

Бул ыкманын максаты “көбүрөөк божомол кылуу” эмес, визуалдык далил түр деңгээлинде жетишсиз болгондо ашыкча тактыкты жаратпоо. Экологиялык талаа колдонмосунда уруу деңгээлиндеги туура маалымат туура эмес түр атынан пайдалуураак болушу мүмкүн.

Ошентсе да булак ишеним баллын чыныгы статистикалык белгисиздик менен теңебейт. Жогорку ишеним менен жасалган туура эмес классификациялар да байкалган. Демек, fallback босогосу практикалык операциялык эреже; калибрленген белгисиздик өлчөмү эмес.

Прототип үйрөнүүсүнүн чеги

Ар бир түр бир гана прототип вектору менен көрсөтүлөт. Бирок бир эле дарак түрү жалбырак, кабык, тобурчак, гүл, жаш дарак, жетилген дарак, башка мезгил жана башка камера перспективасында абдан ар түрдүү визуалдык режимдерге ээ болушу мүмкүн. Ошондуктан булак келечекте ар бир түр үчүн бир нече суб-прототипти колдонууну мүмкүн болгон өнүктүрүү багыты катары талкуулайт.

Ошол сыяктуу TaxaMargin таксономияны бир гана бир уруу / башка уруу экилиги аркылуу колдонот. Тукумга мүчөлүк, филогенетикалык аралык же түр белгилеринин даражалуу окшоштугу маржага түздөн-түз киргизилген эмес.

Изилдөө колдогон жыйынтыктар

• Таксономияга сезгич бурчтук маржа изилденген маалыматтар топтомунда стандарттык ArcFaceке салыштырганда жогорку түр, уруу жана macro-F1 көрсөткүчүн камсыз кылган.
• Түр прототибин үйрөнүү TaxaMargin менен бирге колдонулганда кошумча көрсөткүч өсүшүн берген.
• Үйрөнүлгөн embedding мейкиндигинде бир түр, бир уруу жана ар башка уруу жуптарынын арасында өсүп барган косинустук аралык байкалган.
• Туура эмес классификациялардын маанилүү бөлүгү таксономиялык жактан жакын түрлөрдүн арасында болгон.
• Түр божомолунан уруу божомолуна кайтуу механизми ишеними төмөн үлгүлөрдө этият чыгыш түзө алат.

Изилдөө колдобогон жыйынтыктар

• Модель дүйнөдөгү бардык дарак түрлөрүндө %81,57 тактык берет деп көрсөтүлгөн эмес.
• Натыйжалар көз карандысыз континентте, өлкөдө, ботаникалык бакта же жаңы талаа маалыматтар топтомунда тышкы валидация катары берилген эмес.
• Моделдин жогорку ишеними биологиялык тууралыктын кепилдиги эмес.
• MDS графигиндеги визуалдык топтошуу филогенетикалык байланыштын түз өлчөмү эмес.
• Модель сүрөттөрдөн гана үйрөнөт; DNA, географиялык таралуу, фенология жазуулары же эксперттик ботаникалык кароо менен бириктирилген аныктоо системасы текшерилген эмес.
• Бир прототиптүү түр өкүлдүгү бардык мезгилдик жана орган деңгээлиндеги визуалдык ар түрдүүлүктү толук көрсөтөт деп далилденген эмес.
• Уруу деңгээлиндеги иерархия биологиялык таксономиянын тукум жана андан жогорку деңгээлдерин моделдебейт.

Илимий мааниси

Изилдөөнүн негизги салымы бир гана жогорку классификация тактыгына жетүү эмес. Изилдөө биологиялык классификациянын иерархиялык түзүлүшүн жасалма интеллект моделинин үйрөтүү геометриясына алып келген ыкманы сунуштайт.

Стандарттык классификатор үчүн эки туура эмес класс жөн гана эки башка белги. TaxaMargin үчүн болсо “бир уруудагы атаандаш” жана “башка уруудагы атаандаш” бирдей кыйынчылык катары кабыл алынбайт. Модель биологиялык жактан жакын жана визуалдык жактан оңой чаташкан түрлөрдүн ортосунда чоңураак бурчтук ажырымды үйрөнүүгө мажбурланат.

Бул ыкма өзгөчө биоартүрдүүлүк сүрөттөрүндө маанилүү; анткени реалдуу талаа сүрөттөрүндө түрдүн айырмалоочу органдары дайыма эле көрүнбөшү мүмкүн. Моделдин каталары кайсы таксономиялык деңгээлде болгонун билүү жөн гана туура/туура эмес экилик метрикадан түшүндүрмөлүүрөөк болушу мүмкүн.

Бирок бул изилдөө таксономиялык маалыматты кошуу бардык белгисиздикти жок кылбасын да көрсөтөт. Бир уруудагы түрлөр дагы эле олуттуу деңгээлде чаташат, айрым туура эмес божомолдор жогорку ишеним менен берилет жана визуалдык далилдин сапаты сүрөттөрдүн арасында өзгөрөт. Ошондуктан TaxaMargin эксперттик ботаникалык диагноздун ордун басары көрсөтүлгөн система эмес; сүрөткө негизделген түр таануу моделдеринин үйрөнүү максатын биологиялык түзүлүшкө көбүрөөк шайкеш келтирүүгө багытталган ыкма.

Булак жана Ыкма Жөнүндө Эскертүү

Түпнуска изилдөө: Improving Fine-Grained Tree Species Recognition with Taxonomy-Aware Angular-Margin Learning

Авторлор: Mohamed Islam KESKES, Mihai Daniel Niţă

Жооптуу автор: Булактын башкы бетинде Mihai Daniel Niţă жылдызча менен белгиленген.

Мекеме: Department of Forest Engineering, Forest Management Planning and Terrestrial Measurements, Faculty of Silviculture and Forest Engineering, Transilvania University of Brasov, Brașov, Romania.

Булак түрү: Preprint изилдөө макаласы.

Платформа: SSRN.

SSRN Abstract ID: 7317101.

Рецензия абалы: Рецензиядан өткөн эмес; PDF муну ар бир бетте “Preprint not peer reviewed” деп көрсөтөт.

DOI: Булак PDFде ачык DOI маалыматы жок жана учурдагы библиографиялык текшерүүдө расмий SSRN жазуу барагы ишенимдүү түрдө алынбагандыктан DOI болжолдонгон эмес.

Так жарыялоо/жүктөө күнү: Булак PDFде ачык библиографиялык дата жок; текшерилбеген дата кошулган эмес.

Лицензия: Булак PDFде ачык Creative Commons же башка кайра колдонуу лицензиясы көрүнбөйт. Ошондуктан булак сүрөттөрү, фотолору жана оригинал фигура дизайндары ачык лицензиялуу деп кабыл алынган эмес.

Маалымат булагы: Негизинен GBIF жана iNaturalist платформаларында жарыяланган RGB биоартүрдүүлүк сүрөттөрү.

Маалыматтар топтому: 12 уруу, 36 түр, ар бир түргө 300 сүрөт; %70 үйрөтүү, %20 валидация, %10 тест.

Модель: ImageNet-pretrained ConvNeXt-Tiny + 256 өлчөмдүү L2-normalized өкүлдүк + TaxaMargin классификатору + ишеним босогосу менен чектелген EMA түр прототиптери.

Негизги үйрөтүү параметрлери: AdamW, weight decay 0,05; негизги модель үйрөнүү ылдамдыгы 1,5 × 10⁻⁴; жаңы баштар 1,5 × 10⁻³; cosine annealing; максималдуу 30 epoch; 7 epoch patience менен early stopping; gradient clipping нормасы 1,0.

Негизги чектөөлөр: Бир түр прототиби, бир-уруу/башка-уруу таксономиялык ажырымы гана, гетероген коомдук сүрөттөргө байланыштуу визуалдык далил айырмасы жана моделдин ишеними тууралыкты кепилдебеши.

Булактын ичиндеги техникалык эскертүү: Теңдеме (2)нин жарыяланган математикалык терүүсүндө эң татаал терс классты тандоо оператору жетишпей тургандай көрүнөт; тексттик сүрөттөмө “туура класстан башка эң жогорку косинустук окшоштукка ээ түр” деп ачык айтат. Ошондой эле метод бөлүмүнүн номерлениши 2.5тен 2.7ге өтөт. Verianla бул жерлерди булактын атынан унчукпай кайра жазган эмес.

Сүрөт колдонуу боюнча эскертүү: Булактын pipeline схемасы, түр фотолору, көрсөткүч таблицалары, MDS картасы жана чаташуу матрицалары түз көчүрүлбөшү керек. Verianla үчүн керек болсо, бир гана билдирилген фактылык маанилер жана ыкма байланыштары колдонулуп, көз карандысыз графиктер жана схемалар нөлдөн даярдалышы керек.