使用深度学习来追踪牙鱼的时间 × 频率哨声轮,而没有人类注释的训练数据

科学领域:

• 生物声学是一种生物声学.
• 机器学习 机器学习
• 海洋哺乳动物研究研究

背景情况:

• 牙 (牙) 产生的哨子具有明显的轮形状.
• 这些哨声轮的自动提取对于物种分类和种群估计等应用至关重要.
• 深度学习模型看起来很有前途,但需要广泛的专家注释.

研究的目的:

• 开发一种具有成本效益的方法来提取Odontocete哨声轮.
• 解决深度学习模型中手动注释的局限性.
• 用自动生成的伪标签来提高哨声轮提取的准确性.

主要方法:

• 一种使用自动生成伪标签来训练深度学习模型的新技术.
• 开发了改进的损失函数,以弥补伪标签的不准确性.
• 从两个不同的算法使用伪标签对技术的评估.

主要成果:

• 标准的训练方法失败了伪标签; 拟议的损失函数显著提高了性能.
• 用伪标签训练的模特获得了高F1分 (86.31%和87.2%).
• 性能与在大量专家注释的哨声数据集上训练的模型相比具有竞争力 (87.47% F1得分).

结论:

• 开发的技术有效地从具有成本效益的伪标签中学习,以提取哨声轮.
• 这种方法为劳动密集型专家注释提供了可行的替代方案.
• 该方法表现出强大的性能,使其在生物声学分析中具有更广泛的应用.