Fugu-MT 論文翻訳(概要): Towards Deep Active Learning in Avian Bioacoustics

論文の概要: Towards Deep Active Learning in Avian Bioacoustics

arxiv url: http://arxiv.org/abs/2406.18621v1
Date: Wed, 26 Jun 2024 08:43:05 GMT
ステータス: 処理完了
システム内更新日: 2024-06-28 18:17:19.647489
Title: Towards Deep Active Learning in Avian Bioacoustics
Title（参考訳）: 鳥類の生体音響学における深層能動学習に向けて
Authors: Lukas Rauch, Denis Huseljic, Moritz Wirth, Jens Decke, Bernhard Sick, Christoph Scholz,
Abstract要約: アクティブラーニング(AL)は、アノテーションのコストを削減し、ラベル付けに最も有用なインスタンスをクエリすることで、さまざまなシナリオへの適応を高速化する。本稿では、ALのアプローチを概説し、重要な課題を紹介し、小規模のパイロットスタディを実施している。
参考スコア（独自算出の注目度）: 1.7522552085069194
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Passive acoustic monitoring (PAM) in avian bioacoustics enables cost-effective and extensive data collection with minimal disruption to natural habitats. Despite advancements in computational avian bioacoustics, deep learning models continue to encounter challenges in adapting to diverse environments in practical PAM scenarios. This is primarily due to the scarcity of annotations, which requires labor-intensive efforts from human experts. Active learning (AL) reduces annotation cost and speed ups adaption to diverse scenarios by querying the most informative instances for labeling. This paper outlines a deep AL approach, introduces key challenges, and conducts a small-scale pilot study.
Abstract（参考訳）: 鳥類の生体音響学におけるパッシブ・アコースティック・モニタリング(PAM)は、自然生息地への最小限の障害を伴う費用対効果と広範囲なデータ収集を可能にする。計算鳥類のバイオ音響学の進歩にもかかわらず、ディープラーニングモデルは実用的なPAMシナリオにおいて多様な環境に適応する際の課題に直面し続けている。これは主に、人間の専門家による労働集約的な努力を必要とする注釈の不足によるものである。アクティブラーニング(AL)はアノテーションのコストを削減し、ラベル付けの最も有益なインスタンスをクエリすることで、さまざまなシナリオへの適応を高速化する。本稿では、ALのアプローチを概説し、重要な課題を紹介し、小規模のパイロットスタディを実施している。

関連論文リスト

Enhancing Noise Robustness of Retrieval-Augmented Language Models with Adaptive Adversarial Training [39.21885486667879]
大型言語モデル(LLM)は、幻覚、時代遅れの知識、追跡不能な推論プロセスなどの課題に遭遇する重大な能力を示す。 Retrieval-augmented Generation(RAG)は、これらの課題を軽減するために、外部データベースからの知識を統合する、有望なソリューションとして登場した。本稿では,RAAT(Retrieval-augmented Adaptive Adrial Training)として知られる新しいRAGアプローチを提案する。
論文参考訳（メタデータ） (2024-05-31T16:24:53Z)
BirdSet: A Dataset and Benchmark for Classification in Avian Bioacoustics [2.3066093243272188]
BirdSetデータセットを導入し、トレーニング用として約52万のグローバルな鳥の記録と、テスト用として400時間以上のPAM記録を含む。我々のベンチマークでは、複数のDLモデルのベースラインを提供し、総合的なトレーニングや評価プロトコルを含むコード実装とともに、コンパラビリティを高め、研究を集約しています。
論文参考訳（メタデータ） (2024-03-15T15:10:40Z)
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)
Taxonomy Adaptive Cross-Domain Adaptation in Medical Imaging via Optimization Trajectory Distillation [73.83178465971552]
自動医用画像解析の成功は、大規模かつ専門家による注釈付きトレーニングセットに依存する。非教師なしドメイン適応(UDA)はラベル付きデータ収集の負担を軽減するための有望なアプローチである。本稿では,2つの技術的課題に新しい視点から対処する統一的手法である最適化トラジェクトリ蒸留を提案する。
論文参考訳（メタデータ） (2023-07-27T08:58:05Z)
Leveraging Pretrained Representations with Task-related Keywords for Alzheimer's Disease Detection [69.53626024091076]
アルツハイマー病(AD)は高齢者に特に顕著である。事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
論文参考訳（メタデータ） (2023-03-14T16:03:28Z)
Responsible Active Learning via Human-in-the-loop Peer Study [88.01358655203441]
我々は,データプライバシを同時に保持し,モデルの安定性を向上させるために,Pear Study Learning (PSL) と呼ばれる責任あるアクティブラーニング手法を提案する。まず,クラウドサイドのタスク学習者(教師)から未学習データを分離する。トレーニング中、タスク学習者は軽量なアクティブ学習者に指示し、アクティブサンプリング基準に対するフィードバックを提供する。
論文参考訳（メタデータ） (2022-11-24T13:18:27Z)
ALLSH: Active Learning Guided by Local Sensitivity and Hardness [98.61023158378407]
本稿では,局所感度と硬度認識獲得機能を備えたラベル付きサンプルの検索を提案する。本手法は,様々な分類タスクにおいてよく用いられるアクティブラーニング戦略よりも一貫した利得が得られる。
論文参考訳（メタデータ） (2022-05-10T15:39:11Z)
Visual-Language Navigation Pretraining via Prompt-based Environmental Self-exploration [83.96729205383501]
本稿では,言語埋め込みの高速適応を実現するために,プロンプトベースの学習を導入する。我々のモデルは、VLNやREVERIEを含む多様な視覚言語ナビゲーションタスクに適応することができる。
論文参考訳（メタデータ） (2022-03-08T11:01:24Z)
Parsing Birdsong with Deep Audio Embeddings [0.5599792629509227]
特徴呼と環境騒音を半教師付きで同定する手法を提案する。我々は、畳み込みオートエンコーダと2つの事前学習ネットワークを含む、音声サンプルの潜在表現を学習するために、いくつかの手法を利用する。
論文参考訳（メタデータ） (2021-08-20T14:45:44Z)
Recognizing bird species in diverse soundscapes under weak supervision [0.2148535041822524]
複雑で多様なサウンドスケープにおける鳥の発声に対するロバストな分類手法を提案し,BirdCLEF 2021チャレンジにおいて第2位を獲得した。本稿では,新しい拡張法で補足された効率的なモデリングとトレーニングルーチンを用いることで,事前学習した畳み込みニューラルネットワークをフル活用する方法を説明する。
論文参考訳（メタデータ） (2021-07-16T06:54:38Z)
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)

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。