南アフリカの鳥類種に対する自動生物音響モニタリング ラベルなしデータに基づく

受動音響モニタリング（PAM）の記録に基づく生物多様性モニタリングの分析は時間がかかり、記録に存在するバックグラウンドノイズによって課題に直面しています。音イベント検出（SED）の既存モデルは特定の鳥類種に対してのみ機能し、さらなるモデルの開発にはラベル付きデータが必要です。開発されたフレームワークは、選定された鳥類種のために利用可能なプラットフォームから自動的にラベル付きデータを抽出しました。ラベル付きデータは、環境音やノイズを含む記録に埋め込まれ、畳み込み再帰神経ネットワーク（CRNN）モデルのトレーニングに使用されました。モデルは、都市部のクワズールー・ナタール生息地で記録された未処理の現実世界データで評価されました。適応型SED-CRNNモデルはF1スコア0.73を達成し、騒音の多い現実世界条件下での効率性を示しました。選定された鳥類種のために自動的にラベル付きデータを抽出する提案されたアプローチは、将来の保存プロジェクトのためにPAMを他の種や生息地に容易に適応させることを可能にします。