論文の概要: HumBugDB: A Large-scale Acoustic Mosquito Dataset
- arxiv url: http://arxiv.org/abs/2110.07607v1
- Date: Thu, 14 Oct 2021 14:18:17 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-19 10:44:28.058156
- Title: HumBugDB: A Large-scale Acoustic Mosquito Dataset
- Title（参考訳）: HumBugDB: 大規模音響モスキートデータセット
- Authors: Ivan Kiskin, Marianne Sinka, Adam D. Cobb, Waqas Rafique, Lawrence
Wang, Davide Zilli, Benjamin Gutteridge, Rinita Dam, Theodoros Marinos,
Yunpeng Li, Dickson Msaky, Emmanuel Kaindoa, Gerard Killeen, Eva
Herreros-Moya, Kathy J. Willis, Stephen J. Roberts
- Abstract要約: 本稿では,蚊の飛行中を連続的に追跡した音響記録の大規模多種多様なデータセットについて述べる。
専門的にラベル付けされ、タグ付けされた20時間の音声記録を、正確に時間内に提示する。
18時間の録音には36種のアノテーションが含まれている。
- 参考スコア（独自算出の注目度）: 15.108701811353097
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents the first large-scale multi-species dataset of acoustic
recordings of mosquitoes tracked continuously in free flight. We present 20
hours of audio recordings that we have expertly labelled and tagged precisely
in time. Significantly, 18 hours of recordings contain annotations from 36
different species. Mosquitoes are well-known carriers of diseases such as
malaria, dengue and yellow fever. Collecting this dataset is motivated by the
need to assist applications which utilise mosquito acoustics to conduct surveys
to help predict outbreaks and inform intervention policy. The task of detecting
mosquitoes from the sound of their wingbeats is challenging due to the
difficulty in collecting recordings from realistic scenarios. To address this,
as part of the HumBug project, we conducted global experiments to record
mosquitoes ranging from those bred in culture cages to mosquitoes captured in
the wild. Consequently, the audio recordings vary in signal-to-noise ratio and
contain a broad range of indoor and outdoor background environments from
Tanzania, Thailand, Kenya, the USA and the UK. In this paper we describe in
detail how we collected, labelled and curated the data. The data is provided
from a PostgreSQL database, which contains important metadata such as the
capture method, age, feeding status and gender of the mosquitoes. Additionally,
we provide code to extract features and train Bayesian convolutional neural
networks for two key tasks: the identification of mosquitoes from their
corresponding background environments, and the classification of detected
mosquitoes into species. Our extensive dataset is both challenging to machine
learning researchers focusing on acoustic identification, and critical to
entomologists, geo-spatial modellers and other domain experts to understand
mosquito behaviour, model their distribution, and manage the threat they pose
to humans.
- Abstract（参考訳）: 本稿では,蚊の飛行中を連続的に追跡した音響記録の大規模マルチ種データセットを提案する。
専門的にラベル付けされ、正確にタグづけされた20時間のオーディオ録音を提示する。
記録の18時間には36種のアノテーションが含まれている。
蚊はマラリア、デング熱、黄熱病などの病気の媒介者として知られている。
このデータセットの収集は、蚊の音響を利用してアウトブレイクを予測し、介入ポリシーを知らせるために調査を行うアプリケーションを支援する必要性が動機である。
現実的なシナリオから記録を集めるのが困難であるため、羽音の音から蚊を検知する作業は困難である。
この問題を解決するため、HumBugプロジェクトの一環として、培養ケージで繁殖した蚊から野生で捕獲された蚊まで、世界中の蚊を記録できる実験を行った。
その結果、音声録音は信号対雑音比によって異なり、タンザニア、タイ、ケニア、アメリカ、イギリスなど、幅広い屋内および屋外の背景環境を含んでいる。
本稿では,データの収集,ラベル付け,キュレーションについて詳述する。
データはpostgresqlデータベースから提供され、このデータベースには蚊の捕獲方法、年齢、給餌状況、性別などの重要なメタデータが含まれている。
さらに,その背景環境から蚊を識別し,検出された蚊を種に分類する2つの重要なタスクに対して,特徴抽出とベイズ的畳み込みニューラルネットワークの訓練を行うためのコードを提供する。
当社の広範なデータセットは、音響識別に焦点を当てた機械学習研究者にとっても、蚊の行動を理解し、その分布をモデル化し、人間に対する脅威を管理するために、昆虫学者、地理空間モデルラー、その他のドメインの専門家にとって重要なものです。
関連論文リスト
- SatBird: Bird Species Distribution Modeling with Remote Sensing and
Citizen Science Data [68.2366021016172]
本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。
ケニアでは低データのレシエーションを表すデータセットも提供しています。
リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
論文 参考訳（メタデータ） (2023-11-02T02:00:27Z) - AnuraSet: A dataset for benchmarking Neotropical anuran calls
identification in passive acoustic monitoring [0.0]
本稿では,パッシブ・アコースティック・モニタリング(PAM)により記録されたアヌラン呼の大規模データセットを提案する。
我々は、生記録、実験的なセットアップコード、細粒度分類問題のベースラインモデルを用いたベンチマークを含むデータセットへのオープンアクセスを提供する。
このデータセットの課題は、機械学習研究者が保護政策に向けたオーランコール識別の問題を解決することを奨励することにある。
論文 参考訳（メタデータ） (2023-07-11T22:25:21Z) - Spatial Implicit Neural Representations for Global-Scale Species Mapping [72.92028508757281]
ある種が観察された場所の集合を考えると、その種がどこにいても存在しないかを予測するためのモデルを構築することが目的である。
従来の手法は、新たな大規模クラウドソースデータセットを活用するのに苦労している。
本研究では,47k種の地理的範囲を同時に推定するために,空間入射ニューラル表現(SINR)を用いる。
論文 参考訳（メタデータ） (2023-06-05T03:36:01Z) - Do Orcas Have Semantic Language? Machine Learning to Predict Orca
Behaviors Using Partially Labeled Vocalization Data [50.02992288349178]
機械学習が発声から振舞いを予測できるかどうかを検討する。
私たちはMcMurdo Sound orcasの最近の録音で作業しています。
最近の機械学習技術と慎重に組み合わせることで、96.4%の分類精度が得られる。
論文 参考訳（メタデータ） (2023-01-28T06:04:22Z) - Persistent Animal Identification Leveraging Non-Visual Markers [71.14999745312626]
乱雑なホームケージ環境下で各マウスにユニークな識別子を時間をかけて発見し提供することを目的としている。
これは、(i)各マウスの視覚的特徴の区別の欠如、(ii)一定の閉塞を伴うシーンの密閉性のため、非常に難しい問題である。
本手法は, この動物識別問題に対して77%の精度を達成し, 動物が隠れているときの急激な検出を拒否することができる。
論文 参考訳（メタデータ） (2021-12-13T17:11:32Z) - A deep convolutional neural network for classification of Aedes
albopictus mosquitoes [1.6758573326215689]
本稿では2つのDeep Convolutional Neural Networksを,分類タスクの自動化のための比較研究に適用する。
移動学習の原理を用いて、Mosquito Alertプロジェクトが提供するデータに基づいて、2つの最先端アーキテクチャを訓練する。
さらに,Grad-CAMアルゴリズムに基づく説明可能なモデルを適用し,分類画像の最も識別性の高い領域を可視化した。
論文 参考訳（メタデータ） (2021-10-29T17:58:32Z) - On the use of uncertainty in classifying Aedes Albopictus mosquitoes [1.6758573326215689]
畳み込みニューラルネットワーク(CNN)は、画像中の蚊を認識するためにいくつかの研究で使われてきた。
本稿では,モンテカルロ・ドロップアウト法を用いて不確実性のスコアを推定し,分類標本のランク付けを行う。
論文 参考訳（メタデータ） (2021-10-29T16:58:25Z) - Project Achoo: A Practical Model and Application for COVID-19 Detection
from Recordings of Breath, Voice, and Cough [55.45063681652457]
コンシューマー端末で録音した音声を用いて、新型コロナウイルスを迅速にトリアージする機械学習手法を提案する。
この手法は,信号処理手法と微調整深層学習ネットワークを組み合わせることで,信号の識別,コークス検出,分類を行う手法を提供する。
我々はまた、症状チェッカーと音声、息、うず信号を使って新型コロナウイルスの感染を検知するモバイルアプリケーションを開発し、展開した。
論文 参考訳（メタデータ） (2021-07-12T08:07:56Z) - Discriminative Singular Spectrum Classifier with Applications on
Bioacoustic Signal Recognition [67.4171845020675]
分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。
タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。
提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
論文 参考訳（メタデータ） (2021-03-18T11:01:21Z) - Automatic Detection of Aedes aegypti Breeding Grounds Based on Deep
Networks with Spatio-Temporal Consistency [2.4858193569899907]
Aedes aegypti 蚊はデングジカ、チクングニャ、都市部の黄熱といった病気に感染する。
これらの病気に対処するための主要な形態は、蚊の繁殖地を探し、排除することで蚊の繁殖を避けることである。
本研究では,蚊の繁殖場所を含む無人航空機で取得した航空映像の包括的データセットを紹介する。
論文 参考訳（メタデータ） (2020-07-29T14:30:54Z) - HumBug Zooniverse: a crowd-sourced acoustic mosquito dataset [5.3909333359654275]
我々は蚊のオーディオ記録のデータセットを新たにリリースした。
1千人以上のコントリビューターとともに、2秒間のラベルが195,434個のラベルを入手しました。
本稿では、ログメル特徴量に基づいて畳み込みニューラルネットワークをトレーニングし、ラベルの情報内容を示すデータセットの例を示す。
論文 参考訳（メタデータ） (2020-01-14T12:06:17Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。