向鸟类声学学领域深入主动学习
声音
2024-11-06 v2 人工智能
音频与语音处理
摘要
被动声学监测 (PAM) 在鸟类声学学中实现成本效益高且对自然栖息地干扰最小的大规模数据收集。尽管计算鸟类声学学取得了进展，深度学习模型仍在实际 PAM 场景中难以适应多样化环境。这主要源于标注稀缺，需要来自人类专家的劳动密集型标注。主动学习 (AL) 通过查询最具信息性实例进行标注，从而降低标注成本并加速对多样化场景的适应。本文概述了深入主动学习方法，介绍关键挑战，并进行了小规模试点研究。
引用
@article{arxiv.2406.18621,
title = {Towards Deep Active Learning in Avian Bioacoustics},
author = {Lukas Rauch and Denis Huseljic and Moritz Wirth and Jens Decke and Bernhard Sick and Christoph Scholz},
journal= {arXiv preprint arXiv:2406.18621},
year = {2024}
}
备注
accepted at IAL@ECML-PKDD24