使用 DNA 侧面信息的细粒度零样本学习

Sep, 2021

使用 DNA 侧面信息的细粒度零样本学习

Fine-Grained Zero-Shot Learning with DNA as Side Information

Sarkhan Badirli, Zeynep Akata, George Mohler, Christine Picard, Murat Dundar

TL;DR本研究使用 DNA 作为 fine-grained zero-shot 分类的侧面信息，提出了一种基于层次贝叶斯模型的方法，并在鸟类数据集和昆虫数据集上分别得到了比 word vectors 更好的表现。

Abstract

fine-grained zero-shot learning task requires some form of side-information to transfer discriminative information from seen to unseen classes. As manually annotated visual attributes are extremely costly and often impractical to obtain for a large number of classes, in this study we u

fine-grained zero-shot learning dna species classification hierarchical bayesian model insect dataset

发现论文，激发创造

深度视觉遗传生物识别用于稀有物种的分类

本研究探究将视觉图像与基因信息相结合的方法，提出了 aligned visual-genetic inference spaces 的概念，并通过深度嵌入模型实现了跨领域交叉关联以促进稀有物种的识别，结果表明这种方法在图像分类中具有很好的效果，能够极大地提高分类结果的精度。

May, 2023

BIOSCAN-CLIP: 跨越视觉和基因组学的大规模生物多样性监测

通过融合图像、DNA 编码和文本数据的多模态方法，采用 CLIP 风格对比学习将其在统一的嵌入空间中对齐，实现对已知和未知昆虫物种的准确分类，无需特定任务微调；该方法在零样本学习任务中的准确度比单模态方法高出 11%，展示了其在生物多样性研究中的有效性。

May, 2024

通过序列标注框架将物种信息分配给相应基因

通过深度学习和序列标注技术，将基因和物种之间的关系进行分类，从而提升了物种信息自动归属的准确性。

May, 2022

基于 DNA 条形码改进的分类学基于图像的越界检测

通过图像识别物种可帮助将生物多样性监测扩展到全球范围，然而在实际应用中仍存在许多需要解决的挑战。通过 DNA 代表性序列与可见类别的相似性，本研究提出了一种重排序方法，该方法可轻松应用于任何预训练模型和现有的 ODD 检测方法，并实验证明相比于所有常见基准线，该方法改善了分类的 ODD 检测。

Jun, 2024

DNA 序列的无监督表示学习

本文利用一种序列到序列自编码器模型以无监督的方式学习长度可变的 DNA 序列的固定维度的潜在表示，并在监督学习的拼接位点分类任务中进行了定量和定性评估。实验表明，此类表示法可用作通常相关的任务中的特征或先验，并且采用的模型归因技术获得的序列特征对分类精度有显著影响。

Jun, 2019

学习细粒度视觉描述的深度表示

本文提出了使用神经语言模型来克服零 - shot 视觉识别中属性的局限性，并取得了在文本图像检索精度和零 - shot 分类准确率上的显著性提升。

May, 2016

DNABERT-S：利用基因组数据模型学习基于物种的 DNA 嵌入

通过引入 DNABERT-S 模型对 DNA 进行嵌入，结合 Manifold Instance Mixup 和 Curriculum Contrastive Learning（C2LR）策略，本研究在基因组学分析中取得了显著的性能提升，尤其在元基因组分组和物种分类方面表现突出。

Feb, 2024

BarcodeBERT：用于生物多样性分析的变压器模型

利用 DNA 条形码参考库，提出了一种名为 BarcodeBERT 的自监督方法，对物种和属级别进行高准确性的 DNA 条形码识别，该方法兼顾数据集细节和覆盖范围对模型选择的影响，并强调了自监督预训练在高准确性 DNA 条形码分析中的作用。

Nov, 2023

TEPI：用于稀疏标记的零样本基因分类的分类学感知嵌入和伪图像

使用 TEPI（面向分类法的嵌入和伪成像）通过零样本学习，将基因组表示为伪图像并映射到具有分类法意识的嵌入空间，从而捕获物种的组成和系统发育关系，进而在广泛的搜索空间中进行预测，并通过在大规模公开数据上进行定性评估展示其广义性能。

Jan, 2024

VQDNA: 多物种基因组序列建模的向量量化能力释放

引入了 VQDNA，一个从基因词汇学习的角度改进基因标记化的通用框架；通过利用可学习的词汇的向量量化码书，VQDNA 可以自适应地将基因标记化为具有模式感知的嵌入结果；通过在层次结构中设计不同尺度的码书，提出了层次残差量化方法（HRQ）。在 32 个基因数据集上的广泛实验表明，与现有的基因语言模型相比，VQDNA 具有卓越的性能和有利的参数效率。值得注意的是，对 SARS-CoV-2 突变的经验分析揭示了学习 HRQ 词汇的细粒度模式感知和生物学意义，突显了其在基因组学中更广泛应用的潜力。

May, 2024