Here are proposed two automatic det

Here are proposed two automatic detectors of Barau's petrel (Pterodroma baraui) and tropical shearwater (Puffinus bailloni) vocalisations in noisy audio recordings (1) trained with a low number of positive training instances, and (2) whose performances would be the highest possible. To do so, acoustic recordings were performed in one Barau's petrel colony between February and May 2014 (85 h) and in two tropical shearwater colonies in March and April (21 h). Manual and automatic methods of segmentation were combined. Manual segmentation allowed (1) to miss a very few number of positive segments and (2) to avoid introducing false positive instances. Automatic segmentation provided quickly a diversified set of negative instances. Manual labelling must be regarded as an investment, for current and future works. A random forest classifier and classical methods of acoustic signal characterisation (cepstral coefficients, spectral moments, etc.) were tested. Best models were able to discriminate each target species calls from other sounds of its colony with F1 scores of 88% (Barau's petrel, 1015 samples) and 85% (tropical shearwater, 1217 samples). The acoustic monitoring of nocturnal burrow-nesting seabirds based on (1) data collected by autonomous recording units in harsh, windy and wet environments and (2) automatic analysis tools is feasible. The size of our database was limited. Consequently further works will be necessary to study robustness of models on long time-series data.

ผลลัพธ์ (ไทย) 1:

ที่นี่มีการนำเสนอเครื่องตรวจจับอัตโนมัติสองของ Barau petrel (Pterodroma baraui) และเลียน shearwater เขตร้อน (Puffinus bailloni) ในการบันทึกเสียงเสียงดัง (1) การฝึกอบรมกับอินสแตนซ์การฝึกบวก และ (2) ที่มีการแสดงจะเป็นไปได้สูงสุดจำนวนน้อย การทำงาน บันทึกเสียงได้ดำเนินการ ในหนึ่ง Barau petrel อาณานิคมระหว่างเดือนกุมภาพันธ์และ 2557 พฤษภาคม (85 h) และ ในสองเขตร้อน shearwater อาณานิคมในเดือนมีนาคมและเมษายน (21 ชม.) คู่มือ และอัตโนมัติวิธีการแบ่งเซ็กเมนต์ถูกรวม แบ่งกลุ่มด้วยตนเองได้ (1) จะพลาดมีกี่หมายเลข ของเซ็กเมนต์ที่เป็นบวก และ (2) เพื่อหลีกเลี่ยงการแนะนำอินสแตนซ์บวกเท็จ แบ่งกลุ่มโดยอัตโนมัติให้ได้อย่างรวดเร็วชุดหลากหลายของอินสแตนซ์ที่เป็นค่าลบ ติดฉลากเองต้องถือว่าเป็นการลงทุน สำหรับงานในปัจจุบัน และอนาคต การจำแนกป่าสุ่มและวิธีคลาสสิกการตรวจลักษณะเฉพาะของสัญญาณเสียง (สัมประสิทธิ์ cepstral ช่วงเวลาที่สเปกตรัม ฯลฯ) รับการทดสอบ รุ่นที่ดีที่สุดมีความสามารถในการแยกแยะแต่ละเป้าหมายพันธุ์สายจากเสียงอื่น ๆ ของอาณานิคมมี F1 คะแนน 88% (petrel ของ Barau ตัวอย่าง 1015) และ 85% (จมูกหลอดร้อน ตัวอย่าง 1217) การตรวจสอบเสียงของนกทำรังดินออกตาม (1) ข้อมูลรวบรวม โดยหน่วยบันทึกอิสระในสภาพแวดล้อมที่เลวร้าย ลมแรง และเปียก และเครื่องมือวิเคราะห์อัตโนมัติ (2) เป็นไปได้ ขนาดของฐานข้อมูลของเราถูกจำกัด ดังนั้น งานเพิ่มเติมจะจำเป็นในการศึกษาความทนทานของโมเดลกับข้อมูลอนุกรมเวลานาน

ผลลัพธ์ (ไทย) 2:

ที่นี่มีการเสนอสองเครื่องตรวจจับอัตโนมัติของนกนางแอ่น Barau ของ (Pterodroma baraui) และหลอดเขตร้อน (พัฟ bailloni) vocalisations ในการบันทึกเสียงที่มีเสียงดัง (1) การฝึกอบรมที่มีจำนวนต่ำของกรณีการฝึกอบรมในเชิงบวกและ (2) ที่มีการแสดงที่จะเป็นไปได้สูงสุด โดยให้ทำบันทึกอะคูสติกได้ดำเนินการในหนึ่ง Barau ของนกนางแอ่นอาณานิคมระหว่างเดือนกุมภาพันธ์และพฤษภาคมปี 2014 (85 ชั่วโมง) และในสองอาณานิคมหลอดเขตร้อนในเดือนมีนาคมและเมษายน (21 ชั่วโมง) วิธีการด้วยตนเองและอัตโนมัติของการแบ่งส่วนมารวมกัน การแบ่งส่วนคู่มือการใช้งานที่ได้รับอนุญาต (1) ที่จะพลาดจำนวนมากน้อยของกลุ่มในเชิงบวกและ (2) เพื่อหลีกเลี่ยงการแนะนำกรณีบวกปลอม การแบ่งส่วนที่จัดไว้ให้โดยอัตโนมัติได้อย่างรวดเร็วเป็นชุดที่มีความหลากหลายของกรณีเชิงลบ การติดฉลากคู่มือการใช้งานจะต้องได้รับการยกย่องว่าเป็นเงินลงทุนสำหรับการทำงานในปัจจุบันและอนาคต ลักษณนามป่าสุ่มและวิธีคลาสสิกของตัวละครสัญญาณอะคูสติก (ค่าสัมประสิทธิ์ Cepstral ช่วงเวลาสเปกตรัม ฯลฯ ) ถูกนำมาทดสอบ รุ่นที่ดีที่สุดมีความสามารถในการแยกแยะเป้าหมายแต่ละชนิดเรียกร้องจากเสียงอื่น ๆ ของอาณานิคมที่มีคะแนน F1 88% (Barau ของนกนางแอ่น 1015 ตัวอย่าง) และ 85% (หลอดเขตร้อน 1,217 ตัวอย่าง) การตรวจสอบอะคูสติกของนกทะเลโพรงรังออกหากินเวลากลางคืนขึ้นอยู่กับ (1) การเก็บรวบรวมข้อมูลจากหน่วยงานในกำกับของรัฐในการบันทึกรุนแรงลมแรงและสภาพแวดล้อมที่เปียกและ (2) เครื่องมือในการวิเคราะห์อัตโนมัติเป็นไปได้ ขนาดของฐานข้อมูลของเราถูก จำกัด ดังนั้นการทำงานต่อไปจะมีความจำเป็นที่จะศึกษาความทนทานของรุ่นต่างๆในข้อมูลอนุกรมเวลานาน

ผลลัพธ์ (ไทย) 3:

ที่นี่เสนอสองแบบอัตโนมัติของเครื่องตรวจจับ barau เป็นนกจมูกหลอด ( ใน baraui ) และนกจมูกหลอดเขตร้อน ( puffinus bailloni ) vocalisations ในการบันทึกเสียงเสียงดัง ( 1 ) ฝึกจำนวนต่ำของอินสแตนซ์ของการฝึกอบรมในเชิงบวก และ ( 2 ) ซึ่งการแสดงจะเป็นไปได้สูงสุด ให้บันทึกเสียงได้ในหนึ่งของ barau Petrel อาณานิคมระหว่างเดือนกุมภาพันธ์และเดือนพฤษภาคม 2014 ( 85 ) H สองเขตร้อนนกจมูกหลอดอาณานิคมในเดือนมีนาคมและเมษายน ( 21 ชั่วโมง ) คู่มือและวิธีการอัตโนมัติของการแบ่งส่วนอยู่รวมกัน คู่มือการอนุญาต ( 1 ) คิดถึงจำนวนน้อยมากของส่วนที่เป็นบวก และ ( 2 ) เพื่อหลีกเลี่ยงการอินสแตนซ์บวกเท็จ การตั้งค่าอัตโนมัติให้อย่างรวดเร็วหลากหลายของอินสแตนซ์ลบ คู่มือการติดฉลากต้องถือว่าเป็นการลงทุน เพื่องานในปัจจุบันและอนาคต สุ่มแบบคลาสสิกของป่าและวิธีการวิเคราะห์สัญญาณ ( สัญญาณเซปส์ตรัมสัมประสิทธิ์สเปกตรัมช่วงเวลา ฯลฯ ) ได้ถูกทดสอบ รุ่นที่ดีที่สุดสามารถแยกแยะเป้าหมายแต่ละชนิดเรียกเสียงอื่น ๆ ของอาณานิคมของ F1 คะแนน 88% ( barau เป็นนกนางแอ่นตกลง , ตัวอย่าง ) และ 85% ( นกจมูกหลอด , เขตร้อนไปยังตัวอย่าง ) เสียงการออกหากินเวลากลางคืนโพรงทำรังนกทะเลตาม ( 1 ) เก็บรวบรวมข้อมูลโดยอัตโนมัติบันทึกหน่วยในแรงลมแรงและสภาพเปียกและ ( 2 ) เครื่องมือวิเคราะห์อัตโนมัติจะเป็นไปได้ ขนาดของฐานข้อมูลของเรามีจำกัด ดังนั้นงานเพิ่มเติมจะต้องศึกษาเสถียรภาพของแบบจำลองข้อมูลอนุกรมเวลายาว