Towards Deep Active Learning in Avian Bioacoustics

要約

鳥類の生体音響における受動音響モニタリング (PAM) により、自然の生息地への破壊を最小限に抑えながら、費用対効果の高い広範なデータ収集が可能になります。
計算による鳥類の生体音響学の進歩にもかかわらず、深層学習モデルは、実際の PAM シナリオで多様な環境に適応する際に課題に直面し続けています。
これは主に、注釈が不足しているためであり、人間の専門家による多大な労力を必要とします。
アクティブ ラーニング (AL) は、ラベル付けに最も有益なインスタンスをクエリすることで、アノテーション コストを削減し、多様なシナリオへの適応を加速します。
このペーパーでは、深い AL アプローチの概要を説明し、主要な課題を紹介し、小規模なパイロット調査を実施します。

要約(オリジナル)

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.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google