生物声学在生物多样性保护中至关重要，深度学习逐渐取代传统信号处理方法，提高了检测与分类效率。Google的Perch 2.0模型通过优化数据集和训练策略，显著提升了物种识别能力，展现出广泛的应用前景。

BioCLIP 2模型通过2亿生物图像训练，能够识别95万种物种，具备生态关系理解和个体差异分辨能力，超越传统视觉模型，展现出显著的生物学知识涌现。

本研究提出了一种基于图结构和分层交叉注意力机制的多模态植物种类预测方法，旨在提升生物多样性管理和物种识别的效果。通过融合多模态特征，显著提高了预测性能。

本文探讨了利用Google地图遥感图像进行城市树木检测与物种识别的方法，提出基于卷积神经网络的分类和监测技术。研究表明，该方法能够有效检测超过70%的城市树木，并准确分类超过80%的40种树木物种。此外，研究还介绍了多模态深度学习模型和基于LiDAR数据的树种分类模型，提升了树木识别的准确性和性能。

本文提出了一种结合深度学习和高分辨率图像的城市树木检测与物种识别方法，旨在有效映射个体树木。研究利用卫星和航空图像分析土地利用变化，强调其在自然资源管理和应对气候变化中的重要性，并探讨了光学遥感图像的树冠检测技术及未来研究方向。