[ad_1]
Скрываясь под поверхностью океана, морские млекопитающие используют звук для навигации, обнаружения добычи и широкого спектра естественного поведения. Пассивные акустические данные из подводной среды могут предоставить ценную информацию об этих животных, такую как их присутствие или отсутствие в районе, их плотность и численность, а также их голосовая реакция на источники антропогенного шума.
По мере увеличения размера и количества наборов акустических данных точное и быстрое сопоставление биоакустических сигналов с соответствующими источниками становится все более сложной и важной задачей. Это особенно сложно в шумной естественной акустической среде.
Элизабет Фергюсон из Ocean Science Analytics расскажет, как DeepSqueak, инструмент глубокого обучения, может классифицировать подводные акустические сигналы, на 182-м заседании Американского акустического общества во время своей презентации «Разработка глубоких нейронных сетей для обнаружения сигналов морских млекопитающих с использованием удобный инструмент с открытым исходным кодом». Сессия состоится 23 мая в 11:25 по восточному времени США в рамках конференции в отеле Sheraton Denver Downtown.
Спектрограммы показывают, как акустические сигналы разных частот изменяются во времени. Они выглядят как тепловые карты с более яркими областями, указывающими на более высокую интенсивность звука на этой частоте и в это время. DeepSqueak использует методы распознавания и классификации изображений с помощью глубокой нейронной сети, чтобы определить важные функции в спектрограммах, а затем сопоставить эти функции с конкретными источниками.
«Хотя мы использовали DeepSqueak для обнаружения подводных звуков, этот удобный инструмент с открытым исходным кодом был бы полезен для различных наземных видов», — сказал Фергюсон. «Возможности обнаружения вызовов распространяются на частоты ниже ультразвуковых звуков, для которых оно изначально предназначалось. Благодаря этому и способности DeepSqueak обнаруживать переменные типы вызовов, разработка нейронных сетей возможна для многих представляющих интерес видов».
Первоначально DeepSqueak был разработан для классификации ультразвуковых сигналов от грызунов, но структура его нейронной сети позволяет адаптировать этот метод для обнаружения звуков на других частотах. Фергюсон и ее команда использовали метод и данные с гидрофонов в прибрежной сети выносливости Ocean Observatories Initiative для обнаружения горбатых китов, дельфиновых и финвалов, которые издают очень изменчивые звуки с широким диапазоном частот.
[ad_2]
Source