一个用于基准测试的数据集Neotropical anuran在被动声学监测中要求识别
Juan Sebastián Cañas1, María Paula Toro-Gómez2, Larissa Sayuri Moreira Sugai3
1Instituto de Investigación de Recursos Biológicos Alexander von Humboldt, Avenida Paseo Bolívar 16-20, Bogotá, Colombia. jcanas@humboldt.org.co.
Scientific data
|November 6, 2023
概括
这项研究引入了一个新的数据集,用于识别使用被动声学监测 (PAM) 的anuran (青和) 呼叫. 该数据集有助于理解全球变化如何影响两动物声学,从而为保护工作提供帮助.
科学领域:
- 生态生态学 生态生态学
- 生物声学是一种生物声学.
- 机器学习 机器学习
背景情况:
- 全球变化影响人类的声学行为,需要有效的监测技术.
- 被动声学监测 (PAM) 为研究这些变化提供了一种非侵入性方法.
- 从声音景观中自动识别anuran物种至关重要,但具有挑战性,特别是在生物多样性新热带地区.
研究的目的:
- 从巴西生物群中引入一个全面的,开放式访问的anuran呼叫数据集.
- 为评估机器学习模型在anuran呼叫识别中提供一个基准.
- 刺激对两动物保护的自动化生物声学分析的研究.
主要方法:
- 编制了一个大规模的数据集,包括来自两个巴西生物群的27小时的anuran呼叫.
- 专家对42种不同的anuran物种进行了注释记录.
- 开发了一个基线机器学习模型,用于细粒度呼叫分类.
主要成果:
- 数据集包括原始记录,实验代码和专家注释.
- 一个基线模型证明了anuran呼叫识别任务的初始性能.
- 该数据集突出了新热带音景分析的重大挑战.
结论:
- 开放式访问数据集促进了对的声学行为和全球变化影响的研究.
- 自动化Anuran呼叫识别对于为保护政策提供信息至关重要.
- 需要进一步的机器学习进步来解决生物声学监测的复杂性.
