論文の概要: NBM: an Open Dataset for the Acoustic Monitoring of Nocturnal Migratory Birds in Europe

• arxiv url: http://arxiv.org/abs/2412.03633v1
• Date: Wed, 04 Dec 2024 18:55:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-06 14:39:18.224237
• Title: NBM: an Open Dataset for the Acoustic Monitoring of Nocturnal Migratory Birds in Europe
• Title（参考訳）: NBM:ヨーロッパにおける夜行性鳥類の音響モニタリングのためのオープンデータセット
• Authors: Louis Airale, Adrien Pajot, Juliette Linossier,
• Abstract要約: この研究は、西太平洋の117種から13,359種の注釈付き発声を収集した夜行性鳥類移動データセットを提示する。 このデータセットには正確な時間と頻度のアノテーションが含まれており、フランス全土の何十人もの鳥愛好家によって集められている。 データセットの45の主種に対する認識モデルの精度は、はるかに大きなデータセットでトレーニングされた最先端のシステムと競合することを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The persisting threats on migratory bird populations highlights the urgent need for effective monitoring techniques that could assist in their conservation. Among these, passive acoustic monitoring is an essential tool, particularly for nocturnal migratory species that are difficult to track otherwise. This work presents the Nocturnal Bird Migration (NBM) dataset, a collection of 13,359 annotated vocalizations from 117 species of the Western Palearctic. The dataset includes precise time and frequency annotations, gathered by dozens of bird enthusiasts across France, enabling novel downstream acoustic analysis. In particular, we demonstrate that a two-stage object detection model, tailored for the processing of audio data, can be trained on our dataset to retrieve localized bounding box coordinates around each signal of interest in a spectrogram. This object detection approach, which is largely overlooked in the bird sound recognition literature, allows important applications by potentially differentiating individual birds within audio windows. Further, we show that the accuracy of our recognition model on the 45 main species of the dataset competes with state-of-the-art systems trained on much larger datasets. This highlights the interest of fostering similar open-science initiatives to acquire costly but valuable fine-grained annotations of audio files. All data and code are made openly available.
• Abstract（参考訳）: 渡り鳥の集団に対する脅威は、保護に役立つ効果的なモニタリング技術が緊急に必要であることを示している。 これらのうち、受動的音響モニタリングは、特に他の方法では追跡が難しい夜間の移動種にとって重要なツールである。 この研究は、西太平洋の117種からの13,359の注釈付き発声の収集である夜行性鳥類移動(NBM)データセットを提示した。 このデータセットには正確な時間と周波数のアノテーションが含まれており、フランス全土の何十人もの鳥の愛好家によって収集され、新しい下流の音響分析を可能にしている。 特に、音声データの処理に適した2段階物体検出モデルをデータセット上でトレーニングし、分光図の各信号の周囲の局所的境界ボックス座標を検索できることを実証する。 このオブジェクト検出アプローチは、鳥の音声認識文献でほとんど見落とされ、音声ウィンドウ内で個々の鳥を識別することで、重要な応用を可能にする。 さらに、データセットの45種の認識モデルの精度は、はるかに大きなデータセットでトレーニングされた最先端システムと競合することを示した。 これは、コストがかかるが価値のあるオーディオファイルの微妙なアノテーションを取得するために、同様のオープンサイエンスイニシアチブを奨励する関心を浮き彫りにしている。 すべてのデータとコードは公開されています。

関連論文リスト

• Semi-supervised classification of bird vocalizations [0.0]
  鳥類の個体数の変化は生態系の広範な変化を示す可能性がある。 時間重なり合う鳴き声を検出するための半教師付き音響鳥検知器を提案する。 平均F0.5スコアは315のクラスで0.701で、110種の鳥類をホールドアウトテストセットで記録する。
  論文  参考訳（メタデータ） (2025-02-19T05:31:13Z)
• Automated Bioacoustic Monitoring for South African Bird Species on Unlabeled Data [1.3506669466260703]
  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。
  論文  参考訳（メタデータ） (2024-06-19T14:14:24Z)
• AudioProtoPNet: An interpretable deep learning model for bird sound classification [1.49199020343864]
  本研究では,マルチラベル鳥の音の分類にPrototypeal Part Network(ProtoPNet)を適応したAudioProtoPNetを紹介する。 これは本質的に解釈可能なモデルであり、埋め込みを抽出するためにConvNeXtのバックボーンを使用する。 このモデルは、9,734種の鳥類と6,800時間以上の録音からなるBirdSetトレーニングデータセットで訓練された。
  論文  参考訳（メタデータ） (2024-04-16T09:37:41Z)
• 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)
• 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)
• 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)
• Exploring Meta Information for Audio-based Zero-shot Bird Classification [113.17261694996051]
  本研究では,メタ情報を用いてゼロショット音声分類を改善する方法について検討する。 我々は,多種多様なメタデータが利用可能であることから,鳥種を例として用いている。
  論文  参考訳（メタデータ） (2023-09-15T13:50:16Z)
• 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)
• Deep object detection for waterbird monitoring using aerial imagery [56.1262568293658]
  本研究では,商用ドローンで収集した空中画像を用いて,水鳥の正確な検出,数え,監視に使用できる深層学習パイプラインを提案する。 畳み込み型ニューラルネットワークを用いた物体検出装置を用いて,テキサス沿岸の植民地性営巣島でよく見られる16種類の水鳥を検出できることを示す。
  論文  参考訳（メタデータ） (2022-10-10T17:37:56Z)
• Few-shot Long-Tailed Bird Audio Recognition [3.8073142980733]
  本研究では,音環境記録を解析するための音響検出・分類パイプラインを提案する。 私たちのソリューションは、Kaggleで開催されたBirdCLEF 2022 Challengeで、807チームの18位を獲得しました。
  論文  参考訳（メタデータ） (2022-06-22T04:14:25Z)
• 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)

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。