Automatic Detection and Visualization of Marine Mammal Sounds in British-Columbia, Canada.
Notice bibliographique
Résumé
Planned developments of marine terminals along the British Columbia (B.C.) coast will lead to increased exposures of marine mammals to noise from vessel traffic. Monitoring marine mammals off B.C. is becoming increasingly important for assessing their interactions with anthropogenic activities. Over the last decade, a large number of autonomous and cabled hydrophones have been deployed in B.C. waters to detect marine mammal calls and to measure ambient noise levels. These systems collect large data volumes that require considerable time and effort to fully analyze and interpret. That often precludes a comprehensive analysis, and data are commonly archived before their full value is exploited. In this study we describe techniques to automatically detect, classify, and visualize sounds produced by several species of cetaceans that frequent B.C. waters. Blue and fin whale calls are detected using a spectrogram correlation approach. Killer whale, humpback whale and Pacific white sided dolphin vocalizations are detected by calculating the local variance of intensity in the spectrogram and then classified using a random forest classifier. A web visualization interface (PAMview) is used to easily navigate through, display, and share detection and classification results. This interface is organized as three interconnected visualization panels: 1) a geographic interface displays maps of the total number of detections for each species at all monitoring locations within an adjustable time period, 2) an interactive detection time series displays temporal variations of detections for several species at a given monitoring location, and 3) a multimedia panel allows the user to visualize spectrograms, listen to sounds and to validate automatic detections. A demonstration of the acoustic monitoring system developed will be performed using archival and real-time data from the VENUS and NEPTUNE ocean observatories.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».