Dr. Holger Klinck vom Cornell Lab of Ornithology der Cornell University in NY, USA und Jun.-Prof. Dr. Marc Ritter von der Juniorprofessur Media Computing der TU Chemnitz entwickelten eine automatisierte Methode zur Detektion verschiedener Walarten anhand von akustischen Unterwasseraufnahmen, die mit Hilfe von sogenannten Hydrophonen (Unterwassermikrofone) aufgenommen wurden. Der erste Schritt dieser Auswertung von Langzeitdaten ist die Berechnung einer Fourier-Transformation (FFT) der aufgezeichneten Daten (200 Hz Abtastrate). 5 Sekunden Audiodaten werden so in ein Spektrogramm mit der Auflösung 30 x 50 Pixel umgewandelt. Nach dem Entrauschen des Spektrogramms können die Graustufen schließlich als JPEG exportiert und als Trainings- und Testdaten mit Hilfe maschineller Komitee-basierter Lernverfahren der Boosting-Klasse weiterverarbeitet werden. Die Ergebnisse der gemeinsamen Forschungsarbeit stellte Dr. Holger Klinck im Rahmen des 7. internationalen Workshops für Detection, Classification, Localization, and Density Estimation (DCLDE) in San Diego, Kalifornien, USA vor.
Mit ihrer Forschungsarbeit erzielten die beiden Institute im diesjährigen Workshop die besten Resultate. Auf der Verarbeitung dieser Massendaten aufbauend, soll zukünftig ebenfalls die Präzision im maschinellen Lernen noch weiter erhöht werden.
Publikation: Klinck, Holger & Ritter, Marc. Automated identification of blue and fin whale vocalizations using an ensemble-based classification system. In: The 7th International DCLDE [Detection, Classification, Localization, and Density Estimation] Workshop 13.–16.07.2015, La Jolla, CA, USA, Präsentation, 1. Platz bei der Detektion von Bartenwalen im Niederfrequenzbereich. [Link]
Kommentare