Automated Detection of Dolphin Whistles with Convolutional Networks and Transfer Learning

要約

海洋環境の効果的な保全と絶滅危惧種の野生生物管理には、環境モニタリングのための効率的で正確かつスケーラブルなソリューションの実装が必要です。
エコアコースティックスは、環境音の非侵襲的で長時間のサンプリングという利点を提供し、生物多様性調査の参照ツールになる可能性を秘めています。
ただし、音響データの分析と解釈は時間のかかるプロセスであり、多くの場合、大量の人間による監督が必要です。
この問題は、自動オーディオ信号分析の最新技術を活用することで対処できる可能性があります。この技術は、ディープ ラーニング研究の進歩により、最近素晴らしいパフォーマンスを達成しています。
この論文では、畳み込みニューラル ネットワークが、水中の音声録音からのイルカの笛の識別という困難な検出タスクにおいて、従来の自動方法よりもはるかに優れていることを示しています。
提案されたシステムは、周囲のノイズが存在する場合でも信号を検出できると同時に、偽陽性と偽陰性を生成する可能性を一貫して低減します。
私たちの結果は、海洋生態系の自動監視を改善するための人工知能技術の採用をさらにサポートしています。

要約(オリジナル)

Effective conservation of maritime environments and wildlife management of endangered species require the implementation of efficient, accurate and scalable solutions for environmental monitoring. Ecoacoustics offers the advantages of non-invasive, long-duration sampling of environmental sounds and has the potential to become the reference tool for biodiversity surveying. However, the analysis and interpretation of acoustic data is a time-consuming process that often requires a great amount of human supervision. This issue might be tackled by exploiting modern techniques for automatic audio signal analysis, which have recently achieved impressive performance thanks to the advances in deep learning research. In this paper we show that convolutional neural networks can indeed significantly outperform traditional automatic methods in a challenging detection task: identification of dolphin whistles from underwater audio recordings. The proposed system can detect signals even in the presence of ambient noise, at the same time consistently reducing the likelihood of producing false positives and false negatives. Our results further support the adoption of artificial intelligence technology to improve the automatic monitoring of marine ecosystems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google