A Google újfajta módszerével segít minket a madárdalok felismerésében, mely módszer géptanuláson alapul. Így könnyedén felismerhetőek lesznek a különféle madárhangok, amely az ökológusok munkáját is nagyban segíti majd. Bár itt is vannak hátulütők.
Madárdalok felismerése gépi tanulás segítségével
A madarak szinte mindenütt ott vannak körülöttünk, és pusztán azáltal, hogy hallgatjuk őket, sok mindent megtudhatunk a környezetünkről. A Google új, gépi tanuláson alapuló módszerével segíti az ökológusok munkáját a madárhangok felismerésében és osztályozásában.
Az ökológusok a madarakat a táplálékrendszerek és az erdők egészségének megértéséhez használják – például, ha egy erdőben több harkály van, az azt jelenti, hogy sok a holt fa. Mivel a madarak énekkel és hívásokkal kommunikálnak, illetve így jelzik a területüket, a leghatékonyabb, ha hang alapján azonosítjuk őket. A szakértők hatékonyabban ismerik fel a madarakat hangjuk, mint külső jellegzetességeik alapján.
A technika betört az erdőkbe is
Az utóbbi években elterjedt hangrögzítő eszközök segítségével több ezer órányi hang vehető fel az erdőkben, amelynek segítségével jobban megérthetővé válnak az ökoszisztémák és a kritikus élőhelyek.
A hangadatok manuális felülvizsgálata azonban nagyon időigényes, és a madárdalok szakértőiből igencsak kevés van. Egy gépi tanuláson (ML) alapuló megközelítés azonban nagymértékben csökkentheti az élőhely megértéséhez szükséges szakértői felülvizsgálat mennyiségét.
Az azonban, hogy a gépi tanulás által osztályozhatók legyenek a különböző madárhangok, több okból is kihívást jelenthet – ilyen például az egyszerre éneklő madarak a „hajnali kórus” idején, vagy például a beszűrődő szél és rovarok hangja. Ennek eredményeképpen a meglévő madárhang-osztályozó modellek nehezen tudják azonosítani a csendes, távoli és egymást átfedő hangokat. Ezek a nehéz esetek kritikusak az ökológusok számára, akik automatizált rendszerek segítségével akarják azonosítani a veszélyeztetett vagy invazív fajokat.
A hangfelvételek automatikus szétválasztására és az egyes fajok osztályozásának megkönnyítésére a Google egy új, felügyelet nélküli módszert javasolt az Unsupervised Sound Separation Using Mixture Invariant Training című tanulmányában, amely a MixIT névre hallgat. Az elkülönített hangok bevonása az osztályozásba javítja a pontosságot és az osztályozás minőségét is. A Google elérhetővé tette a madárdalok elkülönítési modelljeinek forráskódját is a GitHubon.
Három szakácskönyv ingyenes szállítással!
Mentes Anyu szakácskönyveit azoknak ajánljuk, akik egészségük érdekében vagy meggyőződésből különleges étrendet követnek, de azoknak is, akik csak inspirációt, új ízeket keresnek.
MOST INGYENES HÁZHOZSZÁLLÍTÁSSAL!
Tekintsd meg ajánlatunkat, kattints ide!
hirdetés
