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。

本论文研究了细粒度分类、物种识别、计算机视觉、深度卷积网络和视觉转换器。通过评估9种算法，发现视觉转换器在推理速度和计算成本方面表现最佳，局部性视觉转换器在性能和嵌入质量方面超过其他算法，卷积神经网络具有折中性。