Artbestimmung durch neuronale Netze (Deep Learning)

kHz

4

8

mm:ss.fff

mm:ss.fff

00:01

00:02

00:03

00:04

00:05

00:06

00:07

00:08

00:09

  

Loading MP3. Please Wait ...

              

kHz

5

10

15

Informationen

Auf dieser Seite lassen sich eigene Aufnahmen (wav/mp3/m4a) von Gesängen oder Rufen europäischer Vögel hochladen. Als Ergebnis der Analyse erhält man eine mit abnehmender Wahrscheinlichkeit sortierte Liste von Vorschlägen zur Bestimmung der aufgenommenen Art(en).

Das hier verwendete Verfahren basiert auf dem Trainieren sog. tiefer neuronaler Netze (Deep Learning). Es wurde im Rahmen des internationalen Wettbewerbs LifeCLEF Bird Identification Task 2018 erfolgreich getestet und konnte dort als bestes System zur automatischen Erkennung zentral- und südamerikanischer Vogelarten den 1. Platz belegen.

Als Trainingsmaterial, für das hier implementierte System zur Erkennung europäischer Arten, wurden hauptsächlich Aufnahmen aus dem Tierstimmenarchiv Berlin, dem Referenzsystem für bioakustische Daten und der Community-basierten Plattform Xeno-Canto verwendet.

Publikationen

1. Lasseck M (2018) Audio-based Bird Species Identification with Deep Convolutional Neural Networks. In: Working notes of CLEF 2018
2. Lasseck M (2016) Improving Bird Identification using Multiresolution Template Matching and Feature Selection during Training. In: Working notes of CLEF 2016
3. Lasseck M (2015) Towards Automatic Large-Scale Identification of Birds in Audio Recordings. In: Lecture Notes in Computer Science Vol.9283: pp 364-375
4. Lasseck M (2013) Bird Song Classification in Field Recordings. In: Proceedings of ‘Neural Information Processing Scaled for Bioacoustics: from Neurons to Big Data - NIP4B’, joint to NIPS Conf., pages 176-181, ISSN 979-10-90821-04-0