論文の概要: DeepForestSound: a multi-species automatic detector for passive acoustic monitoring in African tropical forests, a case study in Kibale National Park

• arxiv url: http://arxiv.org/abs/2604.08087v1
• Date: Thu, 09 Apr 2026 11:02:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-10 18:34:05.873499
• Title: DeepForestSound: a multi-species automatic detector for passive acoustic monitoring in African tropical forests, a case study in Kibale National Park
• Title（参考訳）: アフリカ熱帯林における受動的音響モニタリングのための多種自動検知装置DeepForestSound : キバレ国立公園を事例として
• Authors: Gabriel Dubus, Théau d'Audiffret, Claire Auger, Raphaël Cornette, Sylvain Haupert, Innocent Kasekendi, Raymond Katumba, Hugo Magaldi, Lise Pernel, Harold Rugonge, Jérôme Sueur, John Justice Tibesigwa, Sabrina Krief,
• Abstract要約: DeepForestSound (DFS) は、アフリカ熱帯林におけるパッシブ・アコースティック・モニタリング(PAM)のために設計された多種自動検出モデルである。 DFSは、注釈なしレコードのクラスタリングと手動検証を組み合わせた半教師付きパイプラインに依存している。 長期の音響記録から鳥類、霊長類、ゾウを含む複数の分類群の検出を支援する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Passive Acoustic Monitoring (PAM) is widely used for biodiversity assessment. Its application in African tropical forests is limited by scarce annotated data, reducing the performance of general-purpose ecoacoustic models on underrepresented taxa. In this study, we introduce DeepForestSound (DFS), a multi-species automatic detection model designed for PAM in African tropical forests. DFS relies on a semi-supervised pipeline combining clustering of unannotated recordings with manual validation, followed by supervised fine-tuning of an Audio Spectrogram Transformer (AST) using low-rank adaptation, which is compared to a frozen-backbone linear baseline (DFS-Linear). The framework supports the detection of multiple taxonomic groups, including birds, primates, and elephants, from long-term acoustic recordings. DFS was trained on acoustic data collected in the Sebitoli area, in Kibale National Park, Uganda, and evaluated on an independent dataset recorded two years later at different locations within the same forest. This evaluation therefore assesses generalization across time and recording sites within a single tropical forest ecosystem. Across 8 out of 12 taxons, DFS outperforms existing automatic detection tools, particularly for non-avian taxa, achieving average AP values of 0.964 for primates and 0.961 for elephants. Results further show that LoRA-based fine-tuning substantially outperforms linear probing across taxa. Overall, these results demonstrate that task-oriented, region-specific training substantially improves detection performance in acoustically complex tropical environments, and highlight the potential of DFS as a practical tool for biodiversity monitoring and conservation in African rainforests.
• Abstract（参考訳）: パッシブ・アコースティック・モニタリング(PAM)は生物多様性評価に広く用いられている。 アフリカの熱帯林での利用は、アノテートされたデータが少ないことで制限されており、あまり表現されていない種に対する汎用的エコ音響モデルの性能が低下している。 本研究では,アフリカ熱帯林を対象とした多種自動検出モデルであるDeepForestSound(DFS)を紹介する。 DFSは、注釈なしレコードのクラスタリングと手動検証を組み合わせた半教師付きパイプラインに依存し、続いて低ランク適応を用いたオーディオスペクトログラム変換器(AST)の教師付き微調整を、フリーズバックボーン線形ベースライン(DFS-Linear)と比較する。 この枠組みは、長期音響記録から鳥類、霊長類、ゾウを含む複数の分類群の検出を支援する。 DFSはウガンダのキバレ国立公園のセビトーリ地区で収集された音響データに基づいて訓練され、2年後に同じ森の異なる場所で記録された独立したデータセットで評価された。 この評価は,1つの熱帯林生態系において,時間的および記録的地域にわたる一般化を評価するものである。 12のタクソンのうち8つで、DFSは既存の自動検出ツール、特に非鳥類のタクサでは、霊長類では0.964、ゾウでは0.961のAP値を達成している。 さらに,LoRAをベースとした微調整は,分類群を横断する線形探索よりもかなり優れていた。 これらの結果から,アフリカの熱帯雨林における生物多様性モニタリングと保全のための実践的ツールとして,DFSの可能性を強調し,課題指向の地域特化訓練が,音響的に複雑な熱帯環境における検出性能を大幅に向上することを示した。

関連論文リスト

• The iNaturalist Sounds Dataset [60.157076990024606]
  iNatSoundsは、5500種以上の音をキャプチャする23万のオーディオファイルのコレクションで、世界中で27,000人以上のレコーダーが貢献している。 このデータセットは、鳥類、哺乳類、昆虫、虫類、両生類からの音を包含し、iNaturalistに提出された観察から得られたオーディオおよび種名を含む。 我々は、次世代の公的なエンゲージメントアプリケーションを支えるこのデータに基づいて訓練されたモデルを構想し、大規模なオーディオコレクションの処理において生物学者、生態学者、土地利用管理者を支援する。
  論文  参考訳（メタデータ） (2025-05-31T02:07:37Z)
• ECOSoundSet: a finely annotated dataset for the automated acoustic identification of Orthoptera and Cicadidae in North, Central and temperate Western Europe [51.82780272068934]
  ECOSoundSet (European Cicadidae and Orthoptera Sound dataSet) は,北欧,中央ヨーロッパ,温帯西ヨーロッパに分布する200種,24種(亜種を含む場合,それぞれ217種,26種)から10,653種を収録したデータセットである。 このデータセットは、北ヨーロッパ、中央ヨーロッパ、温帯ヨーロッパにおけるオルソプターとシカダの音響分類のための深層学習アルゴリズムの訓練のために、既にオンラインで入手可能な記録に意味のある補完となる可能性がある。
  論文  参考訳（メタデータ） (2025-04-29T13:53:33Z)
• Multimodal classification of forest biodiversity potential from 2D orthophotos and 3D airborne laser scanning point clouds [47.679877727066206]
  森林生物多様性の評価は生態系管理と保全に不可欠である。 深層学習に基づく2次元直視と3次元空中レーザースキャン(ALS)点群からの近距離センシングデータの融合は、森林の生物多様性ポテンシャルを確実に評価することができる。 BioVistaのデータセットは、デンマークの温帯森林から採取された44の378対のオルソフォトスとALS点雲からなる。
  論文  参考訳（メタデータ） (2025-01-03T09:42:25Z)
• 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)
• A Satellite Band Selection Framework for Amazon Forest Deforestation Detection Task [0.5825410941577593]
  森林伐採と伐採は年間数百万ヘクタールに影響を及ぼし、効果的な森林モニタリングのために政府や民間のイニシアチブを必要としている。 本研究では,Univariate Marginal Distribution Algorithm (UMDA) を用いてLandsat-8衛星からスペクトル帯域を選択する手法を提案する。 この選択はセマンティックセグメンテーションアーキテクチャであるDeepLabv3+をガイドし、パフォーマンスを向上させる。
  論文  参考訳（メタデータ） (2024-04-03T11:47:20Z)
• AnuraSet: A dataset for benchmarking Neotropical anuran calls identification in passive acoustic monitoring [0.0]
  本稿では,パッシブ・アコースティック・モニタリング(PAM)により記録されたアヌラン呼の大規模データセットを提案する。 我々は、生記録、実験的なセットアップコード、細粒度分類問題のベースラインモデルを用いたベンチマークを含むデータセットへのオープンアクセスを提供する。 このデータセットの課題は、機械学習研究者が保護政策に向けたオーランコール識別の問題を解決することを奨励することにある。
  論文  参考訳（メタデータ） (2023-07-11T22:25:21Z)
• A noise-robust acoustic method for recognizing foraging activities of grazing cattle [35.21388806827219]
  NRFAR(Noth-Robust Foraging Activity Recognizer)と呼ばれる音響手法の動作原理と一般化能力について述べる。 ノイズのない環境では、NRFARは平均的平衡精度86.4%に達し、以前の2つの音響手法を7.5%以上上回った。 NRFARは厳しい放牧環境において有効であることが示されており、牧草管理を改善し、乳牛の健康と福祉をモニタリングするための信頼性の高いソリューションとして利用することができる。
  論文  参考訳（メタデータ） (2023-04-28T13:06:14Z)
• Neuroevolution-based Classifiers for Deforestation Detection in Tropical Forests [62.997667081978825]
  森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。 監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。 本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
  論文  参考訳（メタデータ） (2022-08-23T16:04:12Z)
• SLIC-UAV: A Method for monitoring recovery in tropical restoration projects through identification of signature species using UAVs [0.0]
  本研究では, 熱帯林における初期絶滅種を地図化するために, 無人航空機 (UAV) 画像の処理を行うパイプラインSLIC-UAVを提案する。 a)UAV画像からクラウンをラベル付けするための時間効率のよいアプローチ、(b)個々の樹冠のスペクトル的特徴とテクスチャ的特徴に基づく種の機械学習、(c)UAV画像を「スーパーピクセル」に自動分割するパイプラインは新規である。 本研究は,熱帯林の復元地域における優占樹種の地図化におけるSlic-UAVの意義を実証するものである。
  論文  参考訳（メタデータ） (2020-06-11T17:22:56Z)

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。