論文の概要: Automated Detection of Dolphin Whistles with Convolutional Networks and
Transfer Learning
- arxiv url: http://arxiv.org/abs/2211.15406v1
- Date: Mon, 28 Nov 2022 15:06:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-29 17:20:14.196809
- Title: Automated Detection of Dolphin Whistles with Convolutional Networks and
Transfer Learning
- Title(参考訳): 畳み込みネットワークを用いたDolphin Whistlesの自動検出と伝達学習
- Authors: Burla Nur Korkmaz, Roee Diamant, Gil Danino, Alberto Testolin
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 7.52108936537426
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Effective conservation of maritime environments and wildlife management of
endangered species require the implementation of efficient, accurate and
scalable solutions for environmental monitoring. Ecoacoustics offers the
advantages of non-invasive, long-duration sampling of environmental sounds and
has the potential to become the reference tool for biodiversity surveying.
However, the analysis and interpretation of acoustic data is a time-consuming
process that often requires a great amount of human supervision. This issue
might be tackled by exploiting modern techniques for automatic audio signal
analysis, which have recently achieved impressive performance thanks to the
advances in deep learning research. In this paper we show that convolutional
neural networks can indeed significantly outperform traditional automatic
methods in a challenging detection task: identification of dolphin whistles
from underwater audio recordings. The proposed system can detect signals even
in the presence of ambient noise, at the same time consistently reducing the
likelihood of producing false positives and false negatives. Our results
further support the adoption of artificial intelligence technology to improve
the automatic monitoring of marine ecosystems.
- Abstract(参考訳): 海洋環境の効率的な保全と絶滅危惧種の野生生物管理は、環境モニタリングのための効率的で正確でスケーラブルなソリューションの実装を必要とする。
エコ音響学は、環境音の非侵襲的長期サンプリングの利点を提供し、生物多様性調査の基準ツールとなる可能性がある。
しかし、音響データの分析と解釈は、しばしば大量の人間の監督を必要とする時間を要するプロセスである。
この問題は、ディープラーニング研究の進歩により、最近目覚ましいパフォーマンスを達成した音声信号分析の現代的技術を活用することで解決されるかもしれない。
本稿では,畳み込み型ニューラルネットワークが水中の音声記録からイルカの口笛を識別することで,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,環境雑音の存在下でも信号を検出することができると同時に,偽陽性や偽陰性の発生可能性も一貫して低減できる。
本研究は,海洋生態系の自動モニタリングを改善するための人工知能技術の導入をさらに支援する。
関連論文リスト
- SALINA: Towards Sustainable Live Sonar Analytics in Wild Ecosystems [12.711126566709076]
本稿では,サステナブルライブソナー分析システムであるSALINAを紹介する。
SALINAは空間的および時間的適応による音響ソナーデータのリアルタイム処理を可能にする。
SALINAは6ヶ月間、カナダのブリティッシュコロンビア州の2つの内陸河川に配備された。
論文 参考訳(メタデータ) (2024-10-10T00:32:28Z) - Towards an Autonomous Surface Vehicle Prototype for Artificial Intelligence Applications of Water Quality Monitoring [68.41400824104953]
本稿では,人工知能アルゴリズムの利用と水質モニタリングのための高感度センシング技術に対処する車両プロトタイプを提案する。
車両には水質パラメータと水深を測定するための高品質なセンサーが装備されている。
ステレオカメラにより、実際の環境でのマクロプラスチックの検出と検出も可能である。
論文 参考訳(メタデータ) (2024-10-08T10:35:32Z) - Proactive Detection of Voice Cloning with Localized Watermarking [50.13539630769929]
本稿では,AI生成音声の局所検出に特化して設計された,最初の音声透かし技術であるAudioSealを紹介する。
AudioSealは、ローカライゼーションロスと共同でトレーニングされたジェネレータ/検出器アーキテクチャを使用して、サンプルレベルまでローカライズされた透かし検出を可能にする。
AudioSealは、実生活のオーディオ操作に対する堅牢性と、自動的および人的評価指標に基づく非知覚性の観点から、最先端のパフォーマンスを達成する。
論文 参考訳(メタデータ) (2024-01-30T18:56:22Z) - AI-Based Energy Transportation Safety: Pipeline Radial Threat Estimation
Using Intelligent Sensing System [52.93806509364342]
本稿では,分散光ファイバーセンシング技術に基づくエネルギーパイプラインの放射状脅威推定手法を提案する。
本稿では,包括的信号特徴抽出のための連続的マルチビュー・マルチドメイン機能融合手法を提案する。
本研究では,事前学習モデルによる伝達学習の概念を取り入れ,認識精度と学習効率の両立を図る。
論文 参考訳(メタデータ) (2023-12-18T12:37:35Z) - Efficient speech detection in environmental audio using acoustic
recognition and knowledge distillation [3.732312301223128]
生物多様性の音響モニタリングが重要なモニタリングツールとして登場した。
ディープラーニングにおける大きな進歩にも関わらず、大規模なニューラルネットワークをコンパクトデバイスにデプロイすることは、メモリとレイテンシの制約による問題を引き起こす。
本手法は,バイオ音響学における音声検出のための,効率的で軽量な学生モデルの設計に知識蒸留技術を活用することに焦点を当てる。
論文 参考訳(メタデータ) (2023-12-14T17:55:32Z) - Histogram Layer Time Delay Neural Networks for Passive Sonar
Classification [58.720142291102135]
時間遅延ニューラルネットワークとヒストグラム層を組み合わせた新しい手法により,特徴学習の改善と水中音響目標分類を実現する。
提案手法はベースラインモデルより優れており,受動的ソナー目標認識のための統計的文脈を取り入れた有効性を示す。
論文 参考訳(メタデータ) (2023-07-25T19:47:26Z) - Learning-based estimation of in-situ wind speed from underwater
acoustics [58.293528982012255]
水中音響から風速時系列を検索するための深層学習手法を提案する。
我々のアプローチは、事前の物理知識と計算効率の両面から恩恵を受けるために、データ同化と学習ベースのフレームワークをブリッジする。
論文 参考訳(メタデータ) (2022-08-18T15:27:40Z) - Fish sounds: towards the evaluation of marine acoustic biodiversity
through data-driven audio source separation [1.9116784879310027]
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。
論文 参考訳(メタデータ) (2022-01-13T14:57:34Z) - 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) - Complex data labeling with deep learning methods: Lessons from fisheries
acoustics [0.0]
本論文は, 根拠となる真理ラベルが不要であるケーススタディ, エコーグラフラベリングに焦点を当てた。
我々は、非定常データセットでトレーニングされた畳み込みニューラルネットワークが、人間の専門家の補正を必要とする新しいデータセットの一部を強調するために使用できることを実証した。
論文 参考訳(メタデータ) (2020-10-21T13:49:34Z)
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。