文献

J-GLOBAL ID：202002221452721248   整理番号：20A2691096

カエル呼び出し活動検出のためのCNNベースモデルの研究【JST・京大機械翻訳】

Investigation of CNN-based models for Frog Calling Activity Detection

著者 (6件)： Xie Jie (Jiangnan University,School of Internet of Things,Wuxi,China) ,  Hu Kai (Jiangnan University,School of Internet of Things,Wuxi,China) ,  Hines Harry (Queensland Government,Department of Environment and Science,Australia) ,  Zhang Jinglan (Queensland University of Technology,Science of Engineering Faculty,Brisbane,Australia) ,  Guo Ya (Jiangnan University,School of Internet of Things,Wuxi,China) ,  Yu Jinghu (Jiangnan University,School of Mechanical Engineering,Wuxi,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICSPCC  ページ： 1-4  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： フロッグは湿地の健康のモニタリングと評価に重要な役割を果たす。世界的に,多くのカエル種が脅かされている。したがって,カエル活性を検出し,次に種を分類し,最後にカエル個体群を予測する価値がある。本研究では,CNNベースのモデルを用いてカエル鳴声を検出した。特に,連続フィールド記録を固定期間セグメントに分割した。次に,異なるCNNアーキテクチャとカエル呼び出しの様々な時間周波数表現を調査した。異なるCNNモデルを異なる訓練と試験データセットを用いて評価し,モデルロバスト性を評価した。実験結果は,得られた最良平均マクロF1スコアと精度が,Mel-スペクトログラムとVGGスタイルCNNを用いて得られた98.41%と97.99%であることを示した。さらに,訓練と試験データが異なる記録日からであったとき,平均マクロF1スコアは,それぞれ82.12%と71.38%に減少した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *湿地 ,  個体群 ,  計算機アーキテクチャ ,  ロバスト性
準シソーラス用語： スペクトログラム ,  試験データ ,  鳴き声 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： カエル ,  呼び出し ,  活動 ,  CNN ,  モデル ,  研究