基于深度学习方法处理复杂数据标注：来自渔业声学的经验
机器学习
2020-10-23 v1 声音
音频与语音处理
摘要
从海底到海面的声学后向散射信号的定量与定性分析在世界范围内被用于鱼类资源评估和海洋生态系统监测。海量原始数据被采集但需繁琐的专家标注。本文聚焦于一个真值标签不直观的案例研究：回声图标注，该过程耗时且对渔业与生态分析的质量至关重要。我们探究这些任务如何从监督学习算法中获益，并证明使用非平稳数据集训练的卷积神经网络可用于标记新数据集中需要人类专家修正的部分。该方法的进一步发展铺平了渔业声学标注流程标准化的道路，并为不直观的数据标注过程提供了一个良好的案例研究。
引用
@article{arxiv.2010.11010,
title = {Complex data labeling with deep learning methods: Lessons from fisheries acoustics},
author = {J. M. A. Sarr and T. Brochier and P. Brehmer and Y. Perrot and A. Bah and A. Sarré and M. A. Jeyid and M. Sidibeh and S. El Ayoub},
journal= {arXiv preprint arXiv:2010.11010},
year = {2020}
}