热带鸟类被动声学监测的强注释数据集
声音
2026-05-22 v2 计算机视觉与模式识别
摘要
被动声学监测使能够跨越各种生态系统进行持续、非侵入性的生物多样性评估。数据集规模的扩大推动了机器学习的采用，监督方法显示出强大的性能。然而，监督方法需要时间分辨的注释数据集，而在复杂的热带声景中，这类数据集仍相对稀缺。我们提出PteroSet，一个来自哥伦比亚普图亚（Putumayo）和皮维哈（Magdalena）2023至2025年间录制的强注释的新世界鸟类鸣声数据集。该数据集包含563段录音（73.62小时）和15,372个时间-频率注释，包括6,702个以物种为单位的事件，覆盖168个物种。我们以COCO启发的JSON模式发布注释，将音频文件、分类学类别和机器学习工作流程的标签统一整合。除了提供注释数据外，PteroSet还作为一个真实的基准，凸显了热带声景的关键特征，包括声学共现和跨录音站点的域迁移。我们提供了一个深度学习基线，用于二值鸟类检测，展示了PteroSet的可用性以及所面临的挑战。
引用
@article{arxiv.2605.20578,
title = {A strongly annotated passive acoustic dataset for tropical bird monitoring},
author = {Daniela Ruiz and Juan Sebastián Ulloa and Zhongqi Miao and Nicolás Betancourt and Maria Paula Toro-Gómez and Andrés Hernández and Bruno Demuro and Eliana Barona-Cortés and Angela Mendoza-Henao and Andrés Sierra-Ricaurte and Sebastián Pérez-Peña and Rahul Dodhia and Pablo Arbeláez and Juan M. Lavista Ferres},
journal= {arXiv preprint arXiv:2605.20578},
year = {2026}
}