基于 Audio Spectrogram Transformer 检测海牛发声

安提拉尔海牛 (\emph{Trichechus manatus}) 是一种濒危的草食性水生哺乳动物，其作为生态平衡器和 umbrella species 的作用凸显了其保育的重要性。监测海牛种群的一种创新方法是被动声学监测 (PAM)，其中从水下音频中提取发声。我们提出了一种基于 Audio Spectrogram Transformer (AST) 的新颖端到端方法，用于检测海牛发声。以迁移学习为精神，我们对 AST 进行微调，通过重新设计其滤波器组并适应包含部分正标签的真实世界数据集来检测海牛呼叫。我们的实验评估揭示了该模型的两个关键特征：i) 其性能与最新方法持平，且无需手工调谐的去噪或检测阶段；ii) 它能够成功识别训练数据集中被忽略的发声，从而减少专家生物声学标注员的工作负担。这一工作是为开发针对不同海牛种类的新型、用户友好型保育工具的重要初步步骤。