Краткое содержание

arXiv:2511.08261v1 Тип объявления: кросс Аннотация: Пассивный акустический мониторинг позволяет проводить крупномасштабную оценку биоразнообразия, однако надежная классификация биоакустических звуков требует не только высокой точности, но и хорошо откалиброванных оценок неопределенности для обоснования принятия решений. В биоакустике калибровка осложняется наложением вокализации, распределениями видов с длинными хвостами и сдвигами распределения между тренировочными и рабочими данными. Калибровке многоклассификационных классификаторов глубокого обучения в области биоакустики до сих пор не уделялось должного внимания. Мы систематически проверяем калибровку четырех современных многоклассовых классификаторов птичьих звуков на эталонной выборке BirdSet, оценивая глобальную, внутридатасетовую и поклассовую калибровку с использованием порогонезависимых метрик калибровки (ECE, MCS), наряду с метриками различимости (cmAP). Показатели калибровки моделей существенно различаются по датасетам и классам. Хотя модели Perch v2 и ConvNeXt$_{BS}$ демонстрируют лучшую глобальную калибровку, результаты варьируются...