TaxaMargin — равиши таснифотии омӯзиши амиқ аст, ки ҳангоми ҷудо кардани намудҳои аз ҷиҳати визуалӣ ба ҳам монанди дарахт таксономияи биологиро бевосита ба ҳадафи омӯзиш ворид мекунад ва таснифоти маржаи кунҷии услуби ArcFace-ро мувофиқи робитаи таксономӣ мутобиқ месозад. Дар таҳқиқот аз манбаъҳои GBIF ва iNaturalist барои 12 ҷинс ва 36 намуди дарахт маҷмӯи додаҳои мутавозини тасвирҳои RGB сохта шудааст; сутунмуҳраи ConvNeXt-Tiny, ки бо ImageNet пешакӣ омӯзонида шудааст, барои тавлиди векторҳои намояндагии 256-андозаи L2-нормализатсияшуда нозук танзим шудааст. TaxaMargin вақте ки рақиби қавитарини нодурусти тасвир ба ҳамон ҷинсе тааллуқ дошт, ки намуди дуруст ба он мансуб аст, маржаи кунҷии калонтарро татбиқ кардааст; прототипҳои миёнаи ҳаракаткунанда дар сатҳи намуд бошад, фазои намояндагиро иловатан тартиб додаанд. Системаи пурраи TaxaMargin + прототип ба %81,57 дақиқии намуд, %90,74 дақиқии ҷинс ва %82,00 macro-F1 расидааст; нисбат ба конфигуратсияи стандартии softmax ин нишондиҳандаҳоро мутаносибан 12,57, 11,74 ва 15,20 банди фоизӣ беҳтар кардааст.

Ғояи асосии таҳқиқот ин аст, ки ҳамаи хатоҳо дар таснифоти биологӣ маънои якхела надоранд. Омехта кардани як намуди булут бо намуди дигари булут аз ҷиҳати таксономӣ нисбат ба омехта кардани он бо намуди аз ҷинси тамоман дигар наздиктар аст. TaxaMargin ин маълумоти иерархиро ҳангоми омӯзиш истифода бурда, ҳадаф мегузорад, ки махсусан намудҳои ба як ҷинс тааллуқдошта ва аз ҷиҳати визуалӣ ба ҳам монанд дар фазои намояндагӣ бо қувваи бештар аз ҳам ҷудо шаванд.

Натиҷаҳо нишон медиҳанд, ки равиш дар маҷмӯи додаҳои омӯхташуда таснифотро ҳам дар сатҳи намуд ва ҳам дар сатҳи ҷинс беҳтар кардааст. Бо вуҷуди ин, таҳқиқот ба тақсимоти омӯзиш/валидатсия/тести як маҷмӯи додаҳои мутавозин такя мекунад; натиҷаҳо маънои онро надоранд, ки дар ҳамаи намудҳои дарахт, ҳамаи минтақаҳои ҷуғрофӣ ё истифодаҳои воқеии саҳроӣ ҳамон сатҳи кор кафолат дода мешавад. Ғайр аз ин, эътимоди модел ҳамеша ба дурустӣ мувофиқат намекунад ва дар манбаъ таснифоти нодуруст бо эътимоди баланд низ гузориш шудаанд.

Чаро ҷудо кардани намудҳои дарахт аз рӯи тасвир душвор аст?

Шинохти намудҳои дарахт барои мониторинги гуногунии биологӣ, таҳқиқоти экологӣ, идоракунии ҷангал, банақшагирии ҳифз ва арзёбии дарахтони шаҳрӣ муҳим аст. Аммо як тасвири RGB, ки дар саҳро гирифта шудааст, метавонад ҳамаи сохторҳои барои ташхиси ботаникӣ зарурро ҳамзамон нишон надиҳад. Тасвир метавонад танҳо барг, пӯсти тана, шоха, гул, мева, шишак ё намуди тоҷро дар бар гирад.

Як намуд метавонад вобаста ба синну сол, фасл, марҳилаи рушд, ҳолати саломатӣ, рӯшноӣ, кунҷи камера ва шароити муҳит хеле гуногун намоён шавад. Баръакс, намудҳои наздики ба як ҷинс тааллуқдошта метавонанд аз рӯи шакли барг, сохтори пӯст ё тарзи шохаронӣ ба ҳам хеле монанд бошанд. Ҳамин тавр, дар масъала ду мушкилӣ ҳамзамон ба вуҷуд меояд: тағйирпазирии визуалии дохили намуд метавонад баланд бошад, дар ҳоле ки фарқи байни намудҳо метавонад хеле хурд бошад.

Чаро Омӯзиши Ҳассос ба Таксономия Истифода Мешавад?

Омӯзиши ҳассос ба таксономия ба ҷойи он ки намудҳоро синфҳои комилан мустақил аз ҳам бинад, робитаи намуд–ҷинсро ба масъалаи омӯзиш дохил мекунад; дар ин таҳқиқот барои намудҳои рақиби душвор аз ҳамон ҷинс маржаи кунҷии калонтар татбиқ шуда, ба модел фишори бештар барои ҷудо кардани нозуктарин фарқиятҳои биологӣ дода шудааст.

Сохтани маҷмӯи додаҳо

Тасвирҳо асосан аз платформаҳои GBIF ва iNaturalist ҷамъоварӣ шудаанд. Файлҳои вайрон, тасвирҳои такрорӣ ва намунаҳое, ки иттилои кофии визуалӣ надоштанд, тоза карда шудаанд. Сипас барои ҳар намуд ба таври собит 300 тасвир интихоб шуда, мувозинати шумораи синфҳо таъмин шудааст.

Маҷмӯи ниҳоии додаҳо сохтори 12 ҷинс × дар ҳар ҷинс 3 намуд = 36 намуд дорад.

Ҳар тасвир ҳам нишони намуд ва ҳам нишони ҷинс дорад. Ҳадафи асосӣ таснифоти намуд аст; нишони ҷинс бошад, барои сохтани маржаи таксономӣ ва чен кардани кор дар сатҳи ҷинс истифода мешавад. Додаҳо ба таври тасодуфӣ ба зермаҷмӯаҳои %70 омӯзиш, %20 валидатсия ва %10 тест тақсим шудаанд.

Коркарди пешакии тасвир ва афзоиши додаҳо

Ҳамаи тасвирҳо пеш аз ворид шудан ба модел ба андозаи 320 × 320 пиксел оварда шудаанд. Дар марҳилаи омӯзиш барои устувортар кардани модел нисбат ба тағйирпазирии тасвирҳои саҳроӣ амалиёти тасодуфии афзоиши додаҳо татбиқ шудаанд.

Дар марҳилаҳои валидатсия ва тест афзоиши тасодуфии додаҳо истифода нашуда, коркарди пешакии детерминистӣ татбиқ шудааст. Ҳамин тавр, аз таъсири табдилҳои тасодуфии тасвир ба натиҷаи арзёбӣ пешгирӣ шудааст.

Истихроҷгари хусусиятҳои ConvNeXt-Tiny

Барои истихроҷи хусусиятҳои тасвир ConvNeXt-Tiny, ки бо ImageNet пешакӣ омӯзонида шудааст, истифода шудааст. Модел тавассути китобхонаи timm PyTorch амалӣ шуда, дар маҷмӯи додаҳои намудҳои дарахт бозомӯзӣ шудааст.

Қабати аслии таснифоти ConvNeXt-Tiny хориҷ шуда, ба ҷойи он сарлавҳаи нави проексия бо қабатҳои пурра пайваст, фаъолсозии GELU ва dropout гузошта шудааст. Ин сарлавҳа ҳар тасвирро ба вектори хусусиятҳои 256-андоза табдил медиҳад.

Сипас вектори хусусият бо нормаи L2 нормализатсия шуда, дар гиперсфераи воҳидӣ намояндагӣ мешавад.

Муодила (1):

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

Дар ин ҷо \(u_i\) вектори хоми хусусиятҳои 256-андоза барои тасвири \(i\)-ро; \(z_i\) намояндагии нормализатсияшудаи тасвирро; \(w_k\) вазни таснифкунанда барои намуди \(k\)-ро; \(c_{ik}\) бошад, монандии косинусии байни тасвир ва намояндагии синфро нишон медиҳад. Коэффисиенти миқёси логитҳои тасниф дар манбаъ \(s=30,0\) дода шудааст.

TaxaMargin Чист ва Аз ArcFace Чӣ Фарқ Дорад?

TaxaMargin сарлавҳаи таснифест, ки принсипи маржаи кунҷии ArcFace-ро дар фазои намояндагии нормализатсияшуда нигоҳ медорад, аммо ба ҷойи собит нигоҳ доштани маржа онро вобаста ба он тағйир медиҳад, ки рақиби қавитарини нодуруст бо намуди дуруст дар як ҷинс аст ё не; барои рақиби ҳамон ҷинс маржаи 0,30 ва барои рақиби ҷинси дигар маржаи 0,18 истифода мешавад.

Ёфтани синфи нодурусти душвортарин

Дар ҳар намунаи омӯзиш аввал дар байни намудҳои ғайр аз синфи дуруст рақибе ҷустуҷӯ мешавад, ки ба намояндагии тасвир бештар монанд аст. Матни манбаъ онро ҳамчун “намуди нодуруст бо баландтарин монандии косинусӣ” таъриф мекунад.

Эзоҳи манбаъ оид ба Муодила (2): Дар ҳуруфчинии математикии PDF оператори интихоб намерасад. Аз ин рӯ, рамзи гумшуда аз номи манбаъ пур карда намешавад. Таърифи алгоритмии истифодашуда чунин аст: намуде, ки ғайр аз намуди дуруст баландтарин монандии косинусиро дорад, ҳамчун манфии душвортарин интихоб мешавад.

Ин интихоб дар омӯзиш ҳамчун амале татбиқ шудааст, ки градиент намегузаронад.

Интихоби маржаи таксономӣ

Муодила (3):

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

Дар ин ҷо \(g(\cdot)\) ҷинсе, ки намуд ба он тааллуқ дорад; \(h_i\) рақиби нодурусти душвортарин; \(y_i\) намуди дурустро нишон медиҳад.

Арзишҳои дар манбаъ истифодашуда:

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

Яъне, агар рақиби қавитарини модел бо намуди дуруст ба ҳамон ҷинс тааллуқ дошта бошад, маржаи калонтар татбиқ мешавад. Ҳадаф, масалан, омӯхтани ҷудокунии қавитар байни ду намуди наздики Salix ё ду намуди наздики Ulmus аст.

Кушодани тадриҷии маржа дар се epoch-и аввал

Муодила (4):

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

Дар epoch-и аввал сеяки маржаи ҳадаф, дар epoch-и дуюм ду-сеяки он ва аз epoch-и сеюм ба баъд пурра истифода мешавад. Ин warm-up барои устувортар пеш рафтани оптимизатсия дар марҳилаҳои аввали омӯзиш татбиқ шудааст.

Табдили кунҷии синфи дуруст

Муодила (5):

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

Ин амал танҳо арзиши косинусии синфи дурустро тағйир медиҳад. Бо душвортар кардани расидан ба минтақаи қарори синфи дуруст, ҳамоҳангшавии қавитари намояндагӣ бо маркази синфи худ ва ҷудошавии равшантар аз рақибон ташвиқ мешавад.

Муодила (6):

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

Табдили TaxaMargin танҳо ҳангоми омӯзиш истифода мешавад; зеро ҳисоб кардани маржа нишони ҳақиқии намудро талаб мекунад. Ҳангоми валидатсия ва тест логитҳои нормализатсияшудаи косинусӣ истифода мешаванд. Аз ин рӯ, вазифаи TaxaMargin татбиқи қоидаи нави қарор дар вақти инференс нест, балки шакл додани геометрияи фазои намояндагӣ ҳангоми омӯзиш аст.

Омӯзиши прототипи намуд

Таҳқиқот барои ҳар намуд инчунин як вектори прототип нигоҳ медорад. Прототип маркази ҳаракаткунандаи истинодии намуди дахлдор дар фазои намояндагии омӯхташуда мебошад. Ҳадаф ин аст, ки намояндагиҳои аз барг, пӯст, шоха ё намудҳои гуногуни муҳити ҳамон намуд бадастомада дар атрофи сохтори синфии пайгиротар ташкил карда шаванд.

Дар навсозии прототип импулси миёнаи ҳаракаткунандаи экспоненсиалӣ:

\[ \mu=0,90 \]

истифода шудааст.

Навсозии прототип бо дарвозаи эътимод

Ба ҳар тасвир иҷозат дода намешавад, ки прототипро нав кунад. Пас аз қадами оптимизатсия гузариши дуюми пеш бе татбиқи маржаи кунҷӣ анҷом дода мешавад ва эҳтимоли ба намуди дуруст таъиншуда ҳисоб мешавад.

Муодила (7):

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

Навсозӣ танҳо дар шарти:

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

анҷом дода мешавад. \(q_i\) дар ин ҷо эҳтимоли максималии додаи модел ба ягон синф нест, балки маҳз эҳтимоле мебошад, ки ба намуди ҳақиқӣ дода шудааст.

Муодила (8):

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

\[ \mu=0,90 \]

Ба шарофати нормализатсия прототип низ бо намояндагиҳои тасвир ва вазнҳои таснифкунанда дар ҳамон гиперсфераи воҳидӣ мемонад.

Логитҳои монандии прототип

Муодила (9):

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

Ҳамин тавр, шохаи прототип аз монандии кунҷӣ/косинусии тасвир ба ҳар прототипи намуд сигнали дуюми пешгӯӣ истеҳсол мекунад.

Дар валидатсия, тест ва ҳисобкунии эътимоди прототип логитҳои таснифкунанда ва прототип якҷоя карда мешаванд:

Муодила (10):

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

Дар ин ҷо \(\ell_{ik}^{C}=s c_{ik}\) логити таснифкунандаи косинусии бидуни маржа мебошад.

Warm-up-и талафоти прототип

Муодила (11):

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

Муодила (12):

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

\(\mathcal{L}_{TM}\) талафоти энтропияи салибии аз рӯи логитҳои TaxaMargin ҳисобшударо; \(\mathcal{L}_{P}\) бошад, талафоти ёридиҳандаи энтропияи салибиро, ки аз логитҳои прототипи намуд ҳисоб шудааст, ифода мекунад.

Ин ду механизм вазифаҳои гуногун доранд: TaxaMargin ҳангоми зиёд кардани ҷудошавии байнисинфӣ миёни намудҳои гуногун, махсусан рақибони душвор аз ҳамон ҷинс; омӯзиши прототип бошад, тартиб ва фишурдагии дохилисинфӣ-и тасвирҳои гуногуни як намудро дастгирӣ мекунад.

Стратегияи омӯзиш

Барои зиёд кардани намояндагии мунтазами намудҳо дар mini-batch-ҳои омӯзиш weighted random sampler истифода шудааст. Ба намудҳое, ки дар санҷишҳои аввал душвор муайян шудаанд, танҳо дар маҷмӯи омӯзиш oversampling-и ҳадафманд бо коэффисиенти 1,8 татбиқ шудааст. Маҷмӯаҳои валидатсия ва тест аз ин стратегияи намунагирӣ таъсир нагирифтаанд.

Протоколи арзёбӣ

Кор танҳо бо дақиқии умумӣ чен карда нашудааст. Дақиқии намуд, дақиқии ҷинс, macro precision, macro recall, macro-F1, precision/recall/F1-и вазннок, холҳои вобаста ба намуд ва миёнаи F1 дар сатҳи ҷинс ҳисоб шудаанд.

Инчунин панҷ конфигуратсияи назоратшаванда муқоиса шудаанд:

1. Softmax-и стандартӣ
2. ArcFace
3. ArcFace + прототипи намуд
4. TaxaMargin
5. TaxaMargin + прототипи намуд

Ҳамаи конфигуратсияҳо аз ҳамон тақсимоти додаҳо, сутунмуҳра, протоколи омӯзиш ва метрикаҳои арзёбӣ истифода кардаанд; бинобар ин муқоисаи аблятсионӣ барои мустақиман таҳқиқ кардани саҳми ҷузъҳои асосӣ тарҳрезӣ шудааст.

Таҳлили таксономии фазои намояндагӣ

Масофаҳои косинусии байни намояндагиҳои 256-андозаи нормализатсияшудаи тасвирҳои тест ба се гурӯҳ ҷудо шудаанд:

• Ду тасвир аз ҳамон намуд
• Ду намуди гуногун дар ҳамон ҷинс
• Тасвирҳо аз ҷинсҳои гуногун

Ҳамчунин барои 36 намуд centroid ҳисоб шуда, аз масофаҳои косинусии байни centroid-ҳо визуализатсияи дученакаи Multidimensional Scaling (MDS) сохта шудааст. MDS танҳо барои баррасии визуалӣ истифода шудааст; муқоисаҳои миқдории масофа дар фазои аслии баландандозаи намояндагӣ анҷом дода шудаанд.

Усул ва Натиҷаҳои Таҳқиқот

Натиҷаҳои аблятсия

Ин ҷадвал ду нуқтаи ҷудогонаро нишон медиҳад. Якум, ArcFace-и стандартӣ нисбат ба softmax беҳбудии назаррас додааст. Дуюм, илова кардани маржаи таксономӣ бар болои ArcFace боз фоидаи иловагӣ овардааст. Афзоише, ки омӯзиши прототип ҳангоми илова ба ArcFace медиҳад, маҳдуд мондааст, аммо ҳангоми якҷоя шудан бо TaxaMargin фоидаи пурратари калонтар дида шудааст.

Фарқи конфигуратсияи пурра нисбат ба softmax:

Кор дар сатҳи намуд ва ҷинс

Арзишҳои macro ва weighted precision, recall ва F1 ҳама тақрибан дар сатҳи 0,82 мебошанд. Барои баъзе намудҳо кор хеле баланд аст: F1 барои Abies concolor1,00; барои Tilia tomentosa ва Juniperus sabina0,95 гузориш шудааст.

Баландтарин миёнаи F1 дар сатҳи ҷинс Juniperus: 0,89 аст; пас аз он Pinus: 0,85, Quercus: 0,84 ва Abies: 0,83 меоянд. Миёнаҳои пасттар барои Tilia: 0,78 ва Ulmus: 0,78 мушоҳида шудаанд.

Манбаъ қайд мекунад, ки баъзе намудҳо, аз ҷумла Populus tremula, Betula pubescens ва Tilia cordata, таснифашон душвортар будааст.

Оё Фазои Намояндагии Омӯхташуда Воқеан Сохтори Таксономиро Нишон Медиҳад?

Бале, дар додаҳои тестии омӯхташуда масофаи миёнаи косинусӣ дар тасвирҳои ҳамон намуд 0,214, дар намудҳои гуногуни ҳамон ҷинс 0,645 ва дар ҷинсҳои гуногун 0,763 мешавад; аммо қисман рӯи ҳам афтодани баъзе ҷинсҳо дар визуализатсияи MDS нишон медиҳад, ки ҷудошавии таксономӣ дар ҳамаи гурӯҳҳо комил нест.

Ин тартиб нишон медиҳад, ки намояндагиҳои ҳамон намуд ба ҳам наздиктаринанд; намудҳои як ҷинс дар сатҳи миёна ҷудо шудаанд; ҷинсҳои гуногун бошад, ба ҳисоби миёна дуртар ҷойгиранд. Бо вуҷуди ин, рӯи ҳам афтодани баъзе ҷинсҳо дар маркази харитаи MDS набояд чунин тафсир шавад, ки фазои намояндагӣ таксономияи биологиро пурра ва беайб бозсозӣ кардааст.

Хатоҳо тасодуфӣ ҳастанд ё аз рӯи таксономия сохтор доранд?

Аз хатогиҳои сатҳи намуд %46,23 ба намуди дигари ҳамон ҷинс ва %53,77 ба намуди ҷинси дигар рост омадааст. Ҳамин тавр, тақрибан нисфи ҳамаи хатогиҳои намуд дар байни хешовандони наздики таксономӣ ҷамъ мешаванд.

Дар таҳлили сифатии манбаъ баъзе ҷуфтҳои такроршавандаи омехташавӣ чунинанд:

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

Ин мисолҳо нишон медиҳанд, ки баъзе хатоҳо на аз ҷаҳидани модел ба намуди тамоман бегона, балки байни намудҳои аз ҷиҳати визуалӣ монанд ва аз ҷиҳати биологӣ наздик ба вуҷуд омадаанд.

Агар Модел Боварӣ Надошта Бошад, Чаро Ба Сатҳи Ҷинс Бармегардад?

Механизми confidence-based fallback, агар эътимоди баландтарини пешгӯӣ дар сатҳи намуд аз ҳадди муайян паст бошад, ба ҷойи додани номи дақиқи намуд маълумоти васеътари ҷинсро бармегардонад; дар манбаъ бо ҳадди 0,95 ин равиш %82,87 дақиқии fallback дода, %6,67 пешгӯиҳоро ба сатҳи ҷинс гузарондааст.

Ҳадафи ин равиш “пешгӯиҳои бештар додан” нест, балки вақте ки далели визуалӣ дар сатҳи намуд нокифоя аст, аз дақиқии аз ҳад зиёд худдорӣ кардан мебошад. Дар истифодаи саҳроии экологӣ маълумоти дурусти сатҳи ҷинс метавонад аз номи нодурусти намуд муфидтар бошад.

Бо вуҷуди ин, манбаъ холи эътимодро бо номуайянии воқеии оморӣ баробар намекунад. Таснифоти нодуруст бо эътимоди баланд низ мушоҳида шудаанд. Аз ин рӯ, ҳадди fallback қоидаи амалии амалиётӣ аст; ченаки калибршудаи номуайянӣ нест.

Маҳдудияти омӯзиши прототип

Ҳар намуд танҳо бо як вектори прототип намояндагӣ мешавад. Аммо як намуди дарахт метавонад дар барг, пӯст, шишак, гул, фардҳои ҷавон, фардҳои болиғ, фаслҳои гуногун ва нуқтаҳои гуногуни камера модҳои визуалии хеле гуногун дошта бошад. Аз ин рӯ, манбаъ истифодаи якчанд зерпрототип барои ҳар намудро дар оянда ҳамчун самти эҳтимолии такмил баррасӣ мекунад.

Ба ҳамин монанд, TaxaMargin таксономияро танҳо аз рӯи дугонаи ҳамон ҷинс / ҷинси дигар истифода мекунад. Узвияти оила, масофаи филогенетикӣ ё монандии дараҷабандии хусусиятҳои намуд бевосита ба маржа дохил нашудаанд.

Натиҷаҳое, ки таҳқиқот дастгирӣ мекунад

• Маржаи кунҷии ҳассос ба таксономия дар маҷмӯи додаҳои омӯхташуда нисбат ба ArcFace-и стандартӣ кори баландтари намуд, ҷинс ва macro-F1 таъмин кардааст.
• Омӯзиши прототипи намуд дар якҷоягӣ бо TaxaMargin афзоиши иловагии корро таъмин кардааст.
• Дар фазои embedding-и омӯхташуда байни ҷуфтҳои ҳамон намуд, ҳамон ҷинс ва ҷинсҳои гуногун афзоиши масофаи косинусӣ мушоҳида шудааст.
• Қисми муҳими таснифоти нодуруст байни намудҳои аз ҷиҳати таксономӣ наздик рух додааст.
• Механизми бозгашт аз пешгӯии намуд ба пешгӯии ҷинс метавонад дар намунаҳои камэътимод натиҷаи эҳтиёткортар диҳад.

Натиҷаҳое, ки таҳқиқот дастгирӣ намекунад

• Нишон дода нашудааст, ки модел дар ҳамаи намудҳои дарахти ҷаҳон %81,57 дақиқӣ медиҳад.
• Натиҷаҳо ҳамчун валидатсияи беруна дар қитъаи мустақил, кишвар, боғи ботаникӣ ё маҷмӯи нави додаҳои саҳроӣ пешниҳод нашудаанд.
• Эътимоди баланди модел кафолати дурустии биологӣ нест.
• Гурӯҳбандии визуалӣ дар графики MDS ченаки мустақими робитаи филогенетикӣ нест.
• Модел танҳо аз тасвирҳо меомӯзад; системаи ташхисии якҷоя бо DNA, паҳншавии ҷуғрофӣ, сабтҳои фенологӣ ё баррасии экспертии ботаникӣ санҷида нашудааст.
• Намояндагии намуд бо як прототип исбот намекунад, ки ҳамаи гуногунии визуалии фаслӣ ва сатҳи узвро пурра намояндагӣ мекунад.
• Иерархияи сатҳи ҷинс сатҳҳои оила ва болотари таксономияи биологиро модел намекунад.

Маънои илмӣ

Саҳми асосии таҳқиқот танҳо ба даст овардани дақиқии баландтари тасниф нест. Таҳқиқот равишеро пешниҳод мекунад, ки сохтори иерархии таснифоти биологиро ба геометрияи омӯзиши модели зеҳни сунъӣ ворид мекунад.

Аз нигоҳи таснифкунандаи стандартӣ ду синфи нодуруст танҳо ду нишони ҷудо мебошанд. Аз нигоҳи TaxaMargin бошад, “рақиби ҳамон ҷинс” ва “рақиби ҷинси дигар” бо душвории баробар қабул намешаванд. Модел маҷбур карда мешавад, ки байни намудҳои аз ҷиҳати биологӣ наздик ва аз ҷиҳати визуалӣ ба осонӣ омехташаванда ҷудошавии кунҷии калонтарро омӯзад.

Ин равиш махсусан барои тасвирҳои гуногунии биологӣ муҳим аст; зеро дар аксҳои воқеии саҳроӣ узвҳои фарқкунандаи намуд ҳамеша намоён нестанд. Донистани он ки хатогиҳои модел дар кадом сатҳи таксономӣ рӯй медиҳанд, метавонад аз метрикаи дугонаи танҳо дуруст/нодуруст шарҳдиҳандатар бошад.

Аммо ин таҳқиқот ҳамчунин нишон медиҳад, ки илова кардани маълумоти таксономӣ тамоми номуайяниро аз байн намебарад. Намудҳои як ҷинс ҳанӯз ҳам ба миқдори назаррас омехта мешаванд, баъзе пешгӯиҳои нодуруст бо эътимоди баланд дода мешаванд ва сифати далели визуалӣ байни тасвирҳо фарқ мекунад. Аз ин рӯ, TaxaMargin системаест, ки иваз кардани ташхиси экспертии ботаникиро исбот накардааст; он усулест, ки ҳадафи омӯзиши моделҳои шинохти намуд аз тасвирро бо сохтори биологӣ бештар мутобиқ кардан мехоҳад.

Ёддошт оид ба Манбаъ ва Усул

Таҳқиқоти аслӣ: Improving Fine-Grained Tree Species Recognition with Taxonomy-Aware Angular-Margin Learning

Муаллифон: Mohamed Islam KESKES, Mihai Daniel Niţă

Муаллифи масъул: Дар саҳифаи унвони манбаъ Mihai Daniel Niţă бо ситорача ишора шудааст.

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

Навъи манбаъ: Мақолаи таҳқиқотии preprint.

Платформа: SSRN.

SSRN Abstract ID: 7317101.

Ҳолати рецензия: Аз рецензияи ҳамтоён нагузаштааст; PDF инро дар ҳар саҳифа бо “Preprint not peer reviewed” нишон медиҳад.

DOI: Дар PDF-и манбаъ маълумоти равшани DOI мавҷуд нест ва ҳангоми санҷиши библиографии ҷорӣ саҳифаи расмии сабти SSRN ба таври боэътимод дастрас нашуд, бинобар ин DOI тахмин карда нашудааст.

Санаи дақиқи нашр/боргузорӣ: Дар PDF-и манбаъ санаи равшани библиографӣ вуҷуд надорад; санаи тасдиқнашуда илова нашудааст.

Иҷозатнома: Дар PDF-и манбаъ Creative Commons ё дигар иҷозатномаи равшани истифодаи дубора дида намешавад. Аз ин рӯ, тасвирҳо, аксҳо ва тарҳҳои аслии фигураҳои манбаъ ҳамчун дорои иҷозатномаи кушода қабул нашудаанд.

Манбаи додаҳо: Асосан тасвирҳои RGB-и гуногунии биологӣ, ки дар платформаҳои GBIF ва iNaturalist нашр шудаанд.

Маҷмӯи додаҳо: 12 ҷинс, 36 намуд, 300 тасвир барои ҳар намуд; %70 омӯзиш, %20 валидатсия, %10 тест.

Модел: ImageNet-pretrained ConvNeXt-Tiny + намояндагии 256-андозаи L2-normalized + таснифкунандаи TaxaMargin + прототипҳои EMA-и намуд бо дарвозаи эътимод.

Параметрҳои асосии омӯзиш: AdamW, weight decay 0,05; суръати омӯзиши сутунмуҳра 1,5 × 10⁻⁴; сарлавҳаҳои нав 1,5 × 10⁻³; cosine annealing; максимум 30 epoch; early stopping бо 7 epoch patience; нормаи gradient clipping 1,0.

Маҳдудиятҳои асосӣ: Як прототип барои ҳар намуд, танҳо фарқи таксономии ҳамон-ҷинс/ҷинси-дигар, фарқияти далели визуалӣ вобаста ба тасвирҳои гетерогении оммавӣ ва кафолат надодани дурустӣ аз ҷониби эътимоди модел.

Эзоҳи техникии дохили манбаъ: Дар ҳуруфчинии математикии Муодила (2) оператори интихоби синфи манфии душвортарин намерасад; тавсифи матнӣ ҳамчун “намуде, ки ғайр аз синфи дуруст баландтарин монандии косинусӣ дорад” равшан аст. Ҳамчунин рақамгузории бахши усул аз 2.5 ба 2.7 мегузарад. Verianla ин нуқтаҳоро аз номи манбаъ хомӯшона бознависӣ накардааст.

Эзоҳ оид ба истифодаи тасвир: Pipeline, аксҳои намудҳо, ҷадвалҳои кор, харитаи MDS ва матритсаҳои омехташавии манбаъ набояд мустақим нусхабардорӣ шаванд. Агар барои Verianla лозим шавад, танҳо бо истифода аз арзишҳои воқеии гузоришшуда ва робитаҳои усул график ва схемаҳои мустақил аз сифр таҳия карда шаванд.