論文の概要: Automated Bioacoustic Monitoring for South African Bird Species on Unlabeled Data

• arxiv url: http://arxiv.org/abs/2406.13579v1
• Date: Wed, 19 Jun 2024 14:14:24 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-21 19:24:08.034695
• Title: Automated Bioacoustic Monitoring for South African Bird Species on Unlabeled Data
• Title（参考訳）: 非ラベルデータを用いた南アフリカ産鳥類の自動音響モニタリング
• Authors: Michael Doell, Dominik Kuehn, Vanessa Suessle, Matthew J. Burnett, Colleen T. Downs, Andreas Weinmann, Elke Hergenroether,
• Abstract要約: このフレームワークは、選択された鳥類種の利用可能なプラットフォームからラベル付きデータを自動抽出する。 ラベル付きデータは、環境音やノイズを含む録音に埋め込まれ、畳み込みリカレントニューラルネットワーク(CRNN)モデルのトレーニングに使用された。 適応SED-CRNNモデルはF1スコア0.73に達し、ノイズの多い実世界の条件下で効率を実証した。
• 参考スコア（独自算出の注目度）: 1.3506669466260703
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Analyses for biodiversity monitoring based on passive acoustic monitoring (PAM) recordings is time-consuming and challenged by the presence of background noise in recordings. Existing models for sound event detection (SED) worked only on certain avian species and the development of further models required labeled data. The developed framework automatically extracted labeled data from available platforms for selected avian species. The labeled data were embedded into recordings, including environmental sounds and noise, and were used to train convolutional recurrent neural network (CRNN) models. The models were evaluated on unprocessed real world data recorded in urban KwaZulu-Natal habitats. The Adapted SED-CRNN model reached a F1 score of 0.73, demonstrating its efficiency under noisy, real-world conditions. The proposed approach to automatically extract labeled data for chosen avian species enables an easy adaption of PAM to other species and habitats for future conservation projects.
• Abstract（参考訳）: パッシブ・アコースティック・モニタリング(PAM)記録に基づく生物多様性モニタリングの分析は, 記録中の背景雑音の存在により, 時間がかかり, 課題となる。 既存の音響イベント検出(SED)モデルは、特定の鳥類種にのみ適用され、さらにラベル付きデータを必要とするモデルの開発が進められた。 開発されたフレームワークは、選択された鳥類種に対して利用可能なプラットフォームからラベル付きデータを自動抽出する。 ラベル付きデータは、環境音やノイズを含む録音に埋め込まれ、畳み込みリカレントニューラルネットワーク(CRNN)モデルのトレーニングに使用された。 都会のKwaZulu-Natalの生息域で記録された未処理の実環境データを用いて,そのモデルを評価した。 適応SED-CRNNモデルはF1スコア0.73に達し、ノイズの多い実世界の条件下で効率を実証した。 選択された鳥類種に対するラベル付きデータを自動的に抽出する手法は、将来の保全プロジェクトのために、他の種や生息地へのPAMの適応を容易にすることを可能にする。

関連論文リスト

• Advanced Framework for Animal Sound Classification With Features Optimization [35.2832738406242]
  一般的な動物音響分類に適用可能な自動分類フレームワークを提案する。 提案手法は,精度,リコール,精度を25%以上向上させる。
  論文  参考訳（メタデータ） (2024-07-03T18:33:47Z)
• Real Acoustic Fields: An Audio-Visual Room Acoustics Dataset and Benchmark [65.79402756995084]
  Real Acoustic Fields (RAF)は、複数のモードから実際の音響室データをキャプチャする新しいデータセットである。 RAFは密集した室内音響データを提供する最初のデータセットである。
  論文  参考訳（メタデータ） (2024-03-27T17:59:56Z)
• Learning with Noisy Foundation Models [95.50968225050012]
  本論文は、事前学習データセットにおけるノイズの性質を包括的に理解し分析する最初の研究である。 雑音の悪影響を緩和し、一般化を改善するため、特徴空間に適応するチューニング法(NMTune)を提案する。
  論文  参考訳（メタデータ） (2024-03-11T16:22:41Z)
• All Thresholds Barred: Direct Estimation of Call Density in Bioacoustic Data [1.7916003204531015]
  本研究では,データ単位の呼び出し密度を推定するための検証手法を提案する。 我々はこれらの分布を用いて、分布シフトの対象となるサイトレベルの密度を予測する。
  論文  参考訳（メタデータ） (2024-02-23T14:52:44Z)
• 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)
• Transferable Models for Bioacoustics with Human Language Supervision [0.0]
  BioLingualは、対照的な言語-オーディオ事前学習に基づくバイオ音響学の新しいモデルである。 分類群にまたがる1000種以上の呼び出しを識別し、完全なバイオ音響タスクをゼロショットで実行し、自然のテキストクエリから動物の発声記録を検索する。
  論文  参考訳（メタデータ） (2023-08-09T14:22:18Z)
• Latent Class-Conditional Noise Model [54.56899309997246]
  本稿では,ベイズ的枠組みの下での雑音遷移をパラメータ化するためのLatent Class-Conditional Noise Model (LCCN)を提案する。 次に、Gibs sampler を用いて遅延真のラベルを効率的に推測できる LCCN の動的ラベル回帰法を導出する。 提案手法は,サンプルのミニバッチから事前の任意チューニングを回避するため,ノイズ遷移の安定な更新を保護している。
  論文  参考訳（メタデータ） (2023-02-19T15:24:37Z)
• Classification of animal sounds in a hyperdiverse rainforest using Convolutional Neural Networks [0.0]
  受動的に記録された音場から機械学習アプローチによる自動種検出は有望な手法である。 本研究では,ボルネオの熱帯林の音環境と,移動学習による畳み込みニューラルネットワークモデル(CNN)を用いた。 以上の結果から,トランスファー学習とデータ拡張は,多くの稀な種を持つ小さなサウンドスケーププロジェクトにおいても,CNNを用いて声の分類が可能であることが示唆された。
  論文  参考訳（メタデータ） (2021-11-29T21:34:57Z)
• 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)
• Introducing a Central African Primate Vocalisation Dataset for Automated Species Classification [4.322922553076088]
  収集したデータセットを紹介し、アプローチと初期結果を説明します。 記録をエネルギ・チェンジに基づく自動発声検出により集計した。 4種類の霊長類分類において, 最大82%の非重み付き平均リコール(UAR)試験結果が得られた。
  論文  参考訳（メタデータ） (2021-01-25T20:21:54Z)
• Unsupervised Domain Adaptation for Acoustic Scene Classification Using Band-Wise Statistics Matching [69.24460241328521]
  機械学習アルゴリズムは、トレーニング(ソース)とテスト(ターゲット)データの分散のミスマッチの影響を受けやすい。 本研究では,ターゲット領域音響シーンの各周波数帯域の1次及び2次サンプル統計値と,ソース領域学習データセットの1次と2次サンプル統計値との整合性を有する教師なし領域適応手法を提案する。 提案手法は,文献にみられる最先端の教師なし手法よりも,ソース・ドメインの分類精度とターゲット・ドメインの分類精度の両面で優れていることを示す。
  論文  参考訳（メタデータ） (2020-04-30T23:56:05Z)

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。