論文の概要: Fish sounds: towards the evaluation of marine acoustic biodiversity
through data-driven audio source separation
- arxiv url: http://arxiv.org/abs/2201.05013v1
- Date: Thu, 13 Jan 2022 14:57:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-14 15:08:33.220973
- Title: Fish sounds: towards the evaluation of marine acoustic biodiversity
through data-driven audio source separation
- Title（参考訳）: 魚音:データ駆動型音源分離による海洋音響生物多様性の評価に向けて
- Authors: Michele Mancusi, Nicola Zonca, Emanuele Rodol\`a, Silvia Zuffi
- Abstract要約: 海洋生態系は、生物多様性の喪失や熱帯種の温帯盆地への移動など、危機的な速度で変化している。
海洋生物多様性をモニタリングするための最もポピュラーで効果的な方法の1つは、パッシブ・アコースティックス・モニタリング(PAM)である。
本研究では,PAM録音における魚の発声を自動的に抽出する手法について述べる。
- 参考スコア（独自算出の注目度）: 1.9116784879310027
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The marine ecosystem is changing at an alarming rate, exhibiting biodiversity
loss and the migration of tropical species to temperate basins. Monitoring the
underwater environments and their inhabitants is of fundamental importance to
understand the evolution of these systems and implement safeguard policies.
However, assessing and tracking biodiversity is often a complex task,
especially in large and uncontrolled environments, such as the oceans. One of
the most popular and effective methods for monitoring marine biodiversity is
passive acoustics monitoring (PAM), which employs hydrophones to capture
underwater sound. Many aquatic animals produce sounds characteristic of their
own species; these signals travel efficiently underwater and can be detected
even at great distances. Furthermore, modern technologies are becoming more and
more convenient and precise, allowing for very accurate and careful data
acquisition. To date, audio captured with PAM devices is frequently manually
processed by marine biologists and interpreted with traditional signal
processing techniques for the detection of animal vocalizations. This is a
challenging task, as PAM recordings are often over long periods of time.
Moreover, one of the causes of biodiversity loss is sound pollution; in data
obtained from regions with loud anthropic noise, it is hard to separate the
artificial from the fish sound manually. Nowadays, machine learning and, in
particular, deep learning represents the state of the art for processing audio
signals. Specifically, sound separation networks are able to identify and
separate human voices and musical instruments. In this work, we show that the
same techniques can be successfully used to automatically extract fish
vocalizations in PAM recordings, opening up the possibility for biodiversity
monitoring at a large scale.
- Abstract（参考訳）: 海洋生態系は、生物多様性の喪失や熱帯種の温帯盆地への移動など、危機的な速度で変化している。
水中環境とその住民のモニタリングは、これらのシステムの進化を理解し、安全政策を実施するために重要である。
しかし、生物多様性の評価と追跡は、特に海洋のような大規模で制御不能な環境において、複雑な作業であることが多い。
海洋生物多様性をモニタリングする最もポピュラーで効果的な方法の1つは、水中の音を捉えるためにハイドロフォンを使用する受動的音響モニタリング(PAM)である。
多くの水生動物は独自の音を発生させ、これらの信号は効率的に水中を移動し、遠くでも検出できる。
さらに、現代の技術はますます便利で正確になり、非常に正確で慎重にデータを取得することができる。
現在、PAMデバイスで捉えた音声は、海洋生物学者によってしばしば手作業で処理され、動物の発声を検出するための従来の信号処理技術で解釈されている。
PAM録音は長い時間をかけて行われることが多いので、これは難しい作業です。
さらに, 生物多様性の喪失の原因の一つは音汚染であり, 人為的騒音が大きい地域から得られたデータでは, 手動で人工音と魚音を分離することは困難である。
今日では、機械学習、特にディープラーニングは、音声信号を処理する技術の現状を表している。
特に、音声分離ネットワークは、人間の声と楽器を識別し、分離することができる。
本研究は, PAM録音における魚の発声を自動的に抽出し, 生物多様性モニタリングを大規模に行うことができることを示すものである。
関連論文リスト
- Generalization in birdsong classification: impact of transfer learning methods and dataset characteristics [2.6740633963478095]
大規模な鳥音分類における伝達学習の有効性について検討する。
実験により, 微調整蒸留と知識蒸留の双方で高い性能が得られた。
動物音コミュニティにおけるより包括的なラベリングの実践を提唱する。
論文 参考訳（メタデータ） (2024-09-21T11:33:12Z) - WhaleNet: a Novel Deep Learning Architecture for Marine Mammals Vocalizations on Watkins Marine Mammal Sound Database [49.1574468325115]
textbfWhaleNet (Wavelet Highly Adaptive Learning Ensemble Network) は海洋哺乳動物の発声を分類するための高度な深層アンサンブルアーキテクチャである。
既存のアーキテクチャよりも8-10%の精度で分類精度を向上し、分類精度は9,7.61%である。
論文 参考訳（メタデータ） (2024-02-20T11:36:23Z) - Automated Detection of Dolphin Whistles with Convolutional Networks and
Transfer Learning [7.52108936537426]
畳み込みニューラルネットワークは、従来の自動手法よりもはるかに優れていることを示す。
提案システムでは、周囲雑音の存在下でも信号を検出することができるが、同時に、偽陽性や偽陰性を生成する可能性も一貫して低減できる。
論文 参考訳（メタデータ） (2022-11-28T15:06:46Z) - LudVision -- Remote Detection of Exotic Invasive Aquatic Floral Species
using Drone-Mounted Multispectral Data [0.34998703934432673]
ルートヴィヒア・ペプロイドは、欧州連合によって水生侵略種と見なされている。
我々の目標は、種の存在を特定する方法を開発することであった。
得られた画像から対象種を同定するため,Ludwigia p。
論文 参考訳（メタデータ） (2022-07-12T15:43:21Z) - Seeing biodiversity: perspectives in machine learning for wildlife
conservation [49.15793025634011]
機械学習は、野生生物種の理解、モニタリング能力、保存性を高めるために、この分析的な課題を満たすことができると我々は主張する。
本質的に、新しい機械学習アプローチとエコロジー分野の知識を組み合わせることで、動物生態学者は現代のセンサー技術が生み出すデータの豊富さを生かすことができる。
論文 参考訳（メタデータ） (2021-10-25T13:40:36Z) - Cetacean Translation Initiative: a roadmap to deciphering the
communication of sperm whales [97.41394631426678]
最近の研究では、非ヒト種における音響コミュニケーションを分析するための機械学習ツールの約束を示した。
マッコウクジラの大量生物音響データの収集と処理に必要な重要な要素について概説する。
開発された技術能力は、非人間コミュニケーションと動物行動研究を研究する幅広いコミュニティにおいて、クロス応用と進歩をもたらす可能性が高い。
論文 参考訳（メタデータ） (2021-04-17T18:39:22Z) - 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) - Modelling Animal Biodiversity Using Acoustic Monitoring and Deep
Learning [0.0]
本稿では,機械学習の最先端技術を用いて,時系列音声信号から特徴を自動的に抽出する手法について概説する。
得られた鳥の歌はメル周波数ケプストラム(MFC)を用いて処理され、後に多層パーセプトロン(MLP)を用いて分類される特徴を抽出する。
提案手法は感度0.74,特異度0.92,精度0.74で有望な結果を得た。
論文 参考訳（メタデータ） (2021-03-12T13:50:31Z) - Movement Tracks for the Automatic Detection of Fish Behavior in Videos [63.85815474157357]
水中ビデオでサブルフィッシュ(Anoplopoma fimbria)の発芽行動のデータセットを提供し,その上での深層学習(DL)法による行動検出について検討した。
提案する検出システムは,Long Short-Term Memory(LSTM)ネットワークを用いて,サブルフィッシュの起動動作を識別する。
論文 参考訳（メタデータ） (2020-11-28T05:51:19Z) - Automated Stitching of Coral Reef Images and Extraction of Features for
Damselfish Shoaling Behavior Analysis [0.0]
海洋生態学において、学種における行動パターンの調査は、海洋資源の計画と管理において補助的な情報を提供することができる。
現在では、熱帯海域に広く分布するダムボッシュ種は、適切な基盤行動情報を持っていない。
野生で捕獲された視覚的な海洋データは、主に動いたり自然環境の変化によって引き起こされる複数のシーンのバリエーションに乏しい。
論文 参考訳（メタデータ） (2020-06-28T00:56:51Z) - Automatic image-based identification and biomass estimation of
invertebrates [70.08255822611812]
時間を要する分類と分類は、どれだけの昆虫を処理できるかに強い制限を課す。
我々は、人間の専門家による分類と識別の標準的な手動アプローチを、自動画像ベース技術に置き換えることを提案する。
分類タスクには最先端のResnet-50とInceptionV3 CNNを使用する。
論文 参考訳（メタデータ） (2020-02-05T21:38:57Z)
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。