arXiv cs.LG·28 天前★ 1

脉冲间隔变化对蝙蝠叫声深度学习分类的影响

原文标题：Effects of interpulse-interval variation on deep-learning classification of bat vocalizations

重要度 1/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。

AI 智能摘要

研究考察脉冲间隔（IPI）是否为蝙蝠物种分类提供判别信息，以及 Transformer 是否比 CNN 更敏感。结果显示自然 IPI 变化贡献有限，PaSST 在两种条件下均优于 EfficientNet，但归一化条件训练的结果难以迁移到自然录音。

论文速读 · 四段结构cs.SD去论文速读 →

问题: 脉冲间隔（IPI）是否提供蝙蝠物种判别信息，Transformer 是否比 CNN 更敏感。
方法: 构建自然 IPI 与归一化 IPI（50ms 间隔）两组匹配数据，微调 EfficientNet-B0 与 PaSST 并做跨条件评估。
结果: PaSST 自然/归一化准确率 71±2.3% 与 70±6.3%，EfficientNet 从 47±4.7% 升至 57±3.9%；跨条件评估准确率从 54% 降至 50%。
影响: 提示自然 IPI 变化判别价值有限，且归一化条件训练的模型难以迁移到真实录音，做生物声学分类时应优先用 Transformer 并保留自然时序。