Automatic Bird Species Audio Detection

• Název práce v češtině: Automatické rozpoznávání ptačích druhů podle zvuku
• Název v anglickém jazyce: Automatic Bird Species Audio Detection
• Klíčová slova: Zpracování signálu|neuronové sítě|automatická detekce ptáků|strojové učení
• Klíčová slova anglicky: neural network|signal processing|automatic bird detection|machine learning
• Akademický rok vypsání: 2020/2021
• Typ práce: bakalářská práce
• Jazyk práce: angličtina
• Ústav: Katedra teoretické informatiky a matematické logiky (32-KTIML)
• Vedoucí / školitel: RNDr. Kateřina Macková
• Řešitel: skrytý - zadáno a potvrzeno stud. odd.
• Datum přihlášení: 07.04.2021
• Datum zadání: 11.04.2021
• Datum potvrzení stud. oddělením: 27.04.2021
• Datum a čas obhajoby: 10.09.2021 09:00
• Datum odevzdání elektronické podoby: 22.07.2021
• Datum odevzdání tištěné podoby: 22.07.2021
• Datum proběhlé obhajoby: 10.09.2021
• Oponenti: doc. Mgr. Martin Pilát, Ph.D.

Zásady pro vypracování

Každé zvíře má svůj specifický zvukový projev, který ho charakterizuje a kterým komunikuje s dalšími jedinci nejen ve svém druhu, ale i s ostatními z jiných druhů zvířat. Nejinak je tomu i v říši ptáků, kde se tyto zvukové projevy mezi jednotlivými druhy liší a každý má svou specifickou intenzitu, frekvenci a tóninu. Jen zkušený ornitolog dokáže tyto druhy mezi sebou odlišit. Možnost automatického rozpoznávání ptačího druhu podle audiozáznamů je tedy potenciálně mocný nástroj pro rozvoj zoologie a praktického monitorování ptactva.

Student si nastuduje potřebnou literaturu pro automatické metody identifikace ptačích zvuků a vyzkouší si porovnání několika metod strojového učení na řešení tohoto problému. Pro nejvhodnější nalezenou metodu také vytvoří jednoduchou aplikaci, aby ji bylo možné dále využívat nejen mezi ornitology, ale i širokou veřejností.

Seznam odborné literatury

[1] STOWELL, Dan, et al. Automatic acoustic identification of individuals in multiple species: improving identification across recording conditions. Journal of the Royal Society Interface, 2019, 16.153: 20180940.

[2] STOWELL, Dan, et al. Automatic acoustic detection of birds through deep learning: the first Bird Audio Detection challenge. Methods in Ecology and Evolution, 2019, 10.3: 368-380.

[3] STOWELL, Dan, et al. Automatic acoustic identification of individual animals: Improving generalisation across species and recording conditions. arXiv preprint arXiv:1810.09273, 2018.

[4] STOWELL, Dan, et al. Bird detection in audio: a survey and a challenge. In: 2016 IEEE 26th International Workshop on Machine Learning for Signal Processing (MLSP). IEEE, 2016. p. 1-6.

[5] GRILL, Thomas; SCHLÜTER, Jan. Two convolutional neural networks for bird detection in audio signals. In: 2017 25th European Signal Processing Conference (EUSIPCO). IEEE, 2017. p. 1764-1768.

[6] ZHOU, Xingce, et al. Automated monitoring of western black crested gibbon population based on voice characteristics. In: 2019 IEEE 5th International Conference on Computer and Communications (ICCC). IEEE, 2019. p. 1383-1387.

[7] HILL, Andrew P., et al. AudioMoth: Evaluation of a smart open acoustic device for monitoring biodiversity and the environment. Methods in Ecology and Evolution, 2018, 9.5: 1199-1211.