利用卷积网络和迁移学习自动检测海豚哨声
声音
2025-07-29 v1 计算机视觉与模式识别
机器学习
音频与语音处理
摘要
有效的海洋环境保护和濒危物种的野生动物管理需要实施高效、准确且可扩展的环境监测解决方案。生态声学具有对环境声音进行非侵入性、长持续时间采样的优势，并有潜力成为生物多样性调查的参考工具。然而，声学数据的分析和解释是一个耗时的过程，通常需要大量的人工监督。这个问题可以通过利用现代自动音频信号分析技术来解决，这些技术得益于深度学习研究的进步，最近取得了令人印象深刻的性能。在本文中，我们展示了卷积神经网络在一项具有挑战性的检测任务——从水下音频记录中识别海豚哨声——中确实可以显著优于传统的自动方法。所提出的系统即使在存在环境噪声的情况下也能检测到信号，同时持续降低产生假阳性和假阴性的可能性。我们的结果进一步支持采用人工智能技术来改善海洋生态系统的自动监测。
引用
@article{arxiv.2211.15406,
title = {Automated Detection of Dolphin Whistles with Convolutional Networks and Transfer Learning},
author = {Burla Nur Korkmaz and Roee Diamant and Gil Danino and Alberto Testolin},
journal= {arXiv preprint arXiv:2211.15406},
year = {2025}
}