第五屆全國生物多樣性監(jiān)測研討會暨中國生物多樣性監(jiān)測謝捷b1第五屆全國生物多樣性監(jiān)測研討會暨中國生物多樣性監(jiān)測b2、研究背景、預(yù)訓(xùn)練模型b3、研究背景、預(yù)訓(xùn)練模型生物多樣性損失及監(jiān)測重要性4populatibehaviomentb5、人工監(jiān)測、主動監(jiān)測Servick,K.(2014).Eavesdroppin、被動監(jiān)測、紅外相機、聲傳感器、無人機b6被動監(jiān)測格數(shù)據(jù)量數(shù)據(jù)量、原始數(shù)據(jù)多、但，帶標簽的數(shù)據(jù)少b7、自動/半自動數(shù)據(jù)分析方法、深度學(xué)習(xí)、與采集的原始數(shù)據(jù)比較，帶標簽的數(shù)據(jù)非常少、但，在深度學(xué)習(xí)中，通常需要大量的訓(xùn)練數(shù)據(jù)以便模型能夠?qū)W習(xí)到足夠的特征，從而提高泛化性能。第五屆全國生物多樣性監(jiān)測研討會暨中國生物多樣性監(jiān)測b8、研究背景、預(yù)訓(xùn)練模型b9預(yù)訓(xùn)練模型、預(yù)訓(xùn)練模型Do,S.,Song,K.D.,&Chung,J.W.(2020).Basicsofdeeplearning:aradiologist'sguidetounderstandingpublishedradiologyarticlesondeeplearning.Koreanjournalofradiology,21(1),33-41.b10預(yù)訓(xùn)練模型、ImageNet、VGG16,VGG19,ResNet50,DenseNet,...、AudioNet、、BirdNetb11模型的訓(xùn)練、Trainfromscratch（從頭、Finetune(微調(diào))、Featureextraction（特征第五屆全國生物多樣性監(jiān)測研討會暨中國生物多樣性監(jiān)測b12、研究背景、預(yù)訓(xùn)練模型Dufourq,Emmanuel,etal."Passiveacousticmonitoringofanimalpopulationswithtransferlearning."EcologicalInformatics70(2022):1b13b14重點關(guān)注與卷積神經(jīng)網(wǎng)絡(luò)(CNN)相關(guān)的數(shù)據(jù)稀缺問題。該方法不太復(fù)雜，并且可以很容易地采用。貢獻了四個被動聲學(xué)數(shù)據(jù)集，對應(yīng)90小時。僅采用25個樣本，可以獲得高達82%的F1分數(shù)。b15b16b17b18b19、BirdNetOurNet?b20b21第五屆全國生物多樣性監(jiān)測研討會暨中國生物多樣性監(jiān)測b22、研究背景、預(yù)訓(xùn)練模型b23、針對特定的鳥鳴識別任務(wù)，需要選擇合適的預(yù)訓(xùn)練模型、基于Transformer的預(yù)訓(xùn)練模型用于鳥鳴識別、構(gòu)建針