BIGDATA: Collaborative Research: IA: BirdVox: Automating Acoustic Monitoring of Migrating Bird Species

BIGDATA：协作研究：IA：BirdVox：迁徙鸟类的自动声学监测

基本信息

批准号：
1633206
负责人：
Andrew Farnsworth
金额：
$ 94.7万
依托单位：
Cornell University
依托单位国家：
美国
项目类别：
Continuing Grant
财政年份：
2016
资助国家：
美国
起止时间：
2016-10-01 至 2021-09-30
项目状态：
已结题

来源：
https://www.nsf.gov/awardsearch/showAward?AWD_ID=1633206&HistoricalAwards=false
关键词：
BIGDATA Collaborative Research IA BirdVox

项目摘要

Current bioacoustic monitoring of natural environments requires processing by humans to extract information content from recordings. Thus human processing creates a fundamental bottleneck in which data collection far outpaces capabilities to extract relevant and desired information. Bioacoustic research on automatic species classification in natural environments can be broadly divided into two groups: distinguishing a predefined set of known species from audio clips and extracting species as events that occur in a continuous audio stream. Both classification techniques have their specific problems--many of the data used distinguishing predefined species are recorded under "studio" conditions and not extensible to natural conditions, while processing of continuous audio streams generate many false positives. To overcome these challenges we will take a multi-tiered approach: Analyzing a data set consisting of full-night recordings from 10 recording units over 100 nights. Building a web-enabled software to engage citizen scientists to identify the flight calls, providing us with a large and extensive model training dataset. Developing novel convolutional deep-learning networks, which are well suited for analysis of complex auditory scenes. Visualizing patterns detected and classified flight calls in space and time to produce novel information about the bird migration. Comparing model-generated acoustic data with radar, video, and direct visual citizen science datasets to produce the most comprehensive accounts of nocturnal bird migration possible. The combination of domain knowledge in bird vocalizations, engaging citizen scientists to allow development of large well annotated training datasets, and taking a novel deep-learning approach, will finally resolve the machine classification of acoustic signals in natural environments.

当前对自然环境的生物声监测需要人类从录音中提取信息内容。因此，人类加工创造了一个基本的瓶颈，在该瓶颈中，数据收集远远超过了提取相关和所需信息的功能。关于自然环境中自动物种分类的生物声学研究可以广泛分为两组：将一组已知物种与音频夹和提取物种作为连续音频流中发生的事件区分开。两种分类技术都有其特定问题 - 在“录音室”条件下，使用区分预定义物种的数据进行了许多，而对自然条件不可扩展，而连续音频流的处理产生了许多假阳性。为了克服这些挑战，我们将采用一种多层方法：分析一个数据集，该数据集由100个晚上10个录音单元的全夜录音组成。构建一个支持网络的软件，以吸引公民科学家来识别航班电话，从而为我们提供大型而广泛的模型培训数据集。开发新型的卷积深度学习网络，非常适合分析复杂的听觉场景。可视化图案在时空中检测到并分类的飞行呼叫，以产生有关鸟类迁移的新信息。将模型生成的声学数据与雷达，视频和直接视觉公民科学数据集进行比较，以产生最全面的夜间鸟类迁移的说明。鸟类发声中的领域知识的结合，吸引公民科学家允许开发大型注释的训练数据集并采用新颖的深度学习方法，最终将解决自然环境中声学信号的机器分类。

项目成果

期刊论文数量（16）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

SONYC URBAN SOUND TAGGING (SONYC-UST): A MULTILABEL DATASET FROM AN URBAN ACOUSTIC SENSOR NETWORK

SONYC 城市声音标签 (SONYC-UST)：来自城市声学传感器网络的多标签数据集

DOI：
发表时间：
2019
期刊：
Detection and Classification of Acoustic Scenes and Events 2019
影响因子：
0
作者：
Cartwright, M.;Mendez, A.;Cramer, J.;Lostanlen, V.;Dove, G.;Wu, H.;Salamon, J.;Nov, O.;Bello, J. P.
通讯作者：
Bello, J. P.

Hybrid scattering-LSTM networks for automated detection of sleep arousals

DOI：
10.1088/1361-6579/ab2664
发表时间：
2019-07-01
期刊：
PHYSIOLOGICAL MEASUREMENT
影响因子：
3.2
作者：
Warrick, Philip A.;Lostanlen, Vincent;Homsi, Masun Nabhan
通讯作者：
Homsi, Masun Nabhan

Holding steady: Little change in intensity or timing of bird migration over the Gulf of Mexico

DOI：
10.1111/gcb.14540
发表时间：
2019-03-01
期刊：
GLOBAL CHANGE BIOLOGY
影响因子：
11.6
作者：
Horton, Kyle G.;Van Doren, Benjamin M.;Farnsworth, Andrew
通讯作者：
Farnsworth, Andrew

The grand challenges of migration ecology that radar aeroecology can help answer

DOI：
10.1111/ecog.04083
发表时间：
2019-05-01
期刊：
ECOGRAPHY
影响因子：
5.9
作者：
Bauer, Silke;Shamoun-Baranes, Judy;Chapman, Jason W.
通讯作者：
Chapman, Jason W.

THE SHAPE OF REMIXXXES TO COME: AUDIO TEXTURE SYNTHESIS WITH TIME-FREQUENCY SCATTERING

即将到来的混音形式：具有时频散射的音频纹理合成

DOI：
发表时间：
2019
期刊：
Proceedings of the 22nd International Conference on Digital Audio Effects (DAFx-19
影响因子：
0
作者：
Lostanlen, V;Hecker, F.
通讯作者：
Hecker, F.

DOI：
{{ item.doi }}
发表时间：
{{ item.publish_year }}
期刊：
{{ item.journal_name }}
影响因子：
{{ item.factor }}
作者：
{{ item.authors }}
通讯作者：
{{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ monograph.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ sciAawards.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ conferencePapers.updateTime }}

作者：
{{ item.author }}

数据更新时间：{{ patent.updateTime }}

Andrew Farnsworth其他文献

Nighthawk: acoustic monitoring of nocturnal bird migration in the Americas

夜鹰：美洲夜间鸟类迁徙的声学监测

DOI：
发表时间：
2023
期刊：
bioRxiv
影响因子：
0
作者：
Benjamin M. Van Doren;Andrew Farnsworth;Kate Stone;Dylan M. Osterhaus;Jacob Drucker;Grant Van Horn
通讯作者：
Grant Van Horn

Automated acoustic monitoring captures timing and intensity of bird migration

自动声学监测捕捉鸟类迁徙的时间和强度

DOI：
发表时间：
2022
期刊：
Journal of Applied Ecology
影响因子：
5.7
作者：
Benjamin M. Van Doren;V. Lostanlen;A. Cramer;J. Salamon;A. Dokter;S. Kelling;J. Bello;Andrew Farnsworth
通讯作者：
Andrew Farnsworth