論文の概要: Synthetic Swarm Mosquito Dataset for Acoustic Classification: A Proof of Concept

• arxiv url: http://arxiv.org/abs/2512.12365v1
• Date: Sat, 13 Dec 2025 15:23:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 17:54:56.232009
• Title: Synthetic Swarm Mosquito Dataset for Acoustic Classification: A Proof of Concept
• Title（参考訳）: 音響分類のための合成Swarm Mosquitoデータセット:概念実証
• Authors: Thai-Duy Dinh, Minh-Luan Vo, Cuong Tuan Nguyen, Bich-Hien Vo,
• Abstract要約: 蚊が媒介する病気は深刻な世界的な健康上の脅威となり、毎年70万人以上が死亡している。 本研究は,音響分類のための概念合成Swarm Mosquitoデータセットを提案する。
• 参考スコア（独自算出の注目度）: 1.1123754733827187
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mosquito-borne diseases pose a serious global health threat, causing over 700,000 deaths annually. This work introduces a proof-of-concept Synthetic Swarm Mosquito Dataset for Acoustic Classification, created to simulate realistic multi-species and noisy swarm conditions. Unlike conventional datasets that require labor-intensive recording of individual mosquitoes, the synthetic approach enables scalable data generation while reducing human resource demands. Using log-mel spectrograms, we evaluated lightweight deep learning architectures for the classification of mosquito species. Experiments show that these models can effectively identify six major mosquito vectors and are suitable for deployment on embedded low-power devices. The study demonstrates the potential of synthetic swarm audio datasets to accelerate acoustic mosquito research and enable scalable real-time surveillance solutions.
• Abstract（参考訳）: 蚊が媒介する病気は深刻な世界的な健康上の脅威となり、毎年70万人以上が死亡している。 この研究は、現実的な多種多様な環境とノイズの多い群れ条件をシミュレートするために作られた、音響分類のための概念合成群モスキートデータセットの実証を紹介する。 個々の蚊の労働集約的な記録を必要とする従来のデータセットとは異なり、この合成手法は人的資源需要を減らしながらスケーラブルなデータ生成を可能にする。 対数メル分光法を用いて,蚊種分類のための軽量な深層学習アーキテクチャを評価した。 実験により、これらのモデルは6つの主要な蚊ベクターを効果的に識別でき、組込み低消費電力デバイスへの展開に適していることが示された。 この研究は、音響蚊の研究を加速し、スケーラブルなリアルタイム監視ソリューションを実現するための合成Swarmオーディオデータセットの可能性を示す。

関連論文リスト

• 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)
• 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)
• SOMOS: The Samsung Open MOS Dataset for the Evaluation of Neural Text-to-Speech Synthesis [50.236929707024245]
  SOMOSデータセットは、単にニューラルテキスト音声(TTS)サンプルからなる最初の大規模平均世論スコア(MOS)データセットである。 パブリックドメイン音声データセットであるLJ音声の合成発話20Kから成っている。
  論文  参考訳（メタデータ） (2022-04-06T18:45:20Z)
• A deep convolutional neural network for classification of Aedes albopictus mosquitoes [1.6758573326215689]
  本稿では2つのDeep Convolutional Neural Networksを,分類タスクの自動化のための比較研究に適用する。 移動学習の原理を用いて、Mosquito Alertプロジェクトが提供するデータに基づいて、2つの最先端アーキテクチャを訓練する。 さらに,Grad-CAMアルゴリズムに基づく説明可能なモデルを適用し,分類画像の最も識別性の高い領域を可視化した。
  論文  参考訳（メタデータ） (2021-10-29T17:58:32Z)
• On the use of uncertainty in classifying Aedes Albopictus mosquitoes [1.6758573326215689]
  畳み込みニューラルネットワーク(CNN)は、画像中の蚊を認識するためにいくつかの研究で使われてきた。 本稿では,モンテカルロ・ドロップアウト法を用いて不確実性のスコアを推定し,分類標本のランク付けを行う。
  論文  参考訳（メタデータ） (2021-10-29T16:58:25Z)
• Learning with Noisy Labels Revisited: A Study Using Real-World Human Annotations [54.400167806154535]
  ノイズラベルを用いた学習に関する既存の研究は、主に合成ラベルノイズに焦点を当てている。 本研究は2つの新しいベンチマークデータセット(CIFAR-10N, CIFAR-100N)を示す。 実世界のノイズラベルは古典的に採用されたクラス依存のラベルではなく、インスタンス依存のパターンに従うことを示す。
  論文  参考訳（メタデータ） (2021-10-22T22:42:11Z)
• HumBugDB: A Large-scale Acoustic Mosquito Dataset [15.108701811353097]
  本稿では,蚊の飛行中を連続的に追跡した音響記録の大規模多種多様なデータセットについて述べる。 専門的にラベル付けされ、タグ付けされた20時間の音声記録を、正確に時間内に提示する。 18時間の録音には36種のアノテーションが含まれている。
  論文  参考訳（メタデータ） (2021-10-14T14:18:17Z)
• A Lottery Ticket Hypothesis Framework for Low-Complexity Device-Robust Neural Acoustic Scene Classification [78.04177357888284]
  デバイス・ロバスト音響シーン分類(ASC)のためのデータ拡張、知識伝達、プルーニング、量子化を組み合わせた新しいニューラルモデル圧縮戦略を提案する。 本稿では,低複雑マルチデバイスASCのためのアコースティック・ロッテリー(Austratic Lottery)という,効率的なジョイント・フレームワークについて報告する。
  論文  参考訳（メタデータ） (2021-07-03T16:25:24Z)
• 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)
• Adaptive Multi-View ICA: Estimation of noise levels for optimal inference [65.94843987207445]
  Adaptive MultiView ICA (AVICA) はノイズの多いICAモデルであり、各ビューは共有された独立したソースと付加的なノイズの線形混合である。 AVICAは、その明示的なMMSE推定器により、他のICA法よりも優れたソース推定値が得られる。 実脳磁図(MEG)データでは,分解がサンプリングノイズに対する感度が低く,ノイズ分散推定が生物学的に妥当であることを示す。
  論文  参考訳（メタデータ） (2021-02-22T13:10:12Z)
• HumBug Zooniverse: a crowd-sourced acoustic mosquito dataset [5.3909333359654275]
  我々は蚊のオーディオ記録のデータセットを新たにリリースした。 1千人以上のコントリビューターとともに、2秒間のラベルが195,434個のラベルを入手しました。 本稿では、ログメル特徴量に基づいて畳み込みニューラルネットワークをトレーニングし、ラベルの情報内容を示すデータセットの例を示す。
  論文  参考訳（メタデータ） (2020-01-14T12:06:17Z)

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。