基于图像目标检测方法用于海洋 mammal 声学定位点击的检测与分类

海洋生物声学分析中的一个挑战是检测动物信号，如呼叫、哨声和点击，以进行行为研究。手动标注太过费时，无法处理足够的数据以获得合理的结果。因此，有必要提出自动化解决方案来克服耗时的信号分析。基本数学模型可检测简单环境中的事件，但在面对复杂场景时（如区分低信噪比的信号或区分点击与回声）时会感到困难。深度学习神经网络，如 ANIMAL-SPOT，更适合处理此类任务。DNN 将音频信号处理为图像表示，常使用短时傅里叶变换创建的频谱图。然而，频谱图由于不确定性原理存在局限性，这会导致时间和频率分辨率之间存在权衡。诸如小波变换的替代方法由于在高频率上提供更好的时间分辨率，在低频率上提供改进的频率分辨率，可能在复杂的生物声学环境中提供特征提取的优势。本论文展示了 CLICK-SPOT 在挪威 killer whale 水下录音中的应用效果，这些录音由 cetacean 生物学家 Dr. Vester 提供。