Amélioration des représentations prototypiques de champignons pour la classification à quelques exemples

La compétition FungiCLEF 2025 aborde le défi de la reconnaissance automatique d'espèces fongiques à partir de données d'observation réalistes collectées sur le terrain. Des outils d'identification précis soutiennent à la fois les mycologues et les scientifiques citoyens, améliorant considérablement le suivi de la biodiversité à grande échelle. Les systèmes de reconnaissance efficaces dans ce contexte doivent gérer des distributions de classes fortement déséquilibrées et fournir des performances fiables même lorsque très peu d'échantillons d'entraînement sont disponibles pour de nombreuses espèces, en particulier les taxons rares et sous-documentés qui sont souvent absents des ensembles d'entraînement standards. Selon les organisateurs de la compétition, environ 20 % de toutes les observations vérifiées de champignons, représentant près de 20 000 instances, sont associées à ces espèces rarement enregistrées. Pour relever ce défi, nous proposons une méthode d'apprentissage profond robuste basée sur les réseaux prototypiques, qui améliore les représentations prototypiques pour la classification de champignons à quelques exemples. Notre approche par réseau prototypique dépasse la baseline de la compétition de plus de 30 points de pourcentage en Recall@5 sur les classements publics (PB) et privés (PR). Cela démontre un fort potentiel pour identifier avec précision les espèces fongiques communes et rares, soutenant les objectifs principaux de FungiCLEF 2025.