Published October 1, 2021
| Version v1
Publication
Open
Classification of dispersive gunshot calls using a convolutional neural network
- 1. Woods Hole Oceanographic Institution
- 2. Favaloro Foundation
- 3. Duke University
Description
A convolutional neural network (CNN) was trained to identify multi-modal gunshots (impulse calls) within large acoustic datasets in shallow-water environments. South Atlantic right whale gunshots were used to train the CNN, and North Pacific right whale (NPRW) gunshots, to which the network was naive, were used for testing. The classifier generalizes to new gunshots from the NPRW and is shown to identify calls which can be used to invert for source range and/or environmental parameters. This can save human analysts hours of manually screening large passive acoustic monitoring datasets.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
تم تدريب شبكة عصبية التفافية (CNN) لتحديد الطلقات النارية متعددة الوسائط (الصيحات الاندفاعية) داخل مجموعات البيانات الصوتية الكبيرة في بيئات المياه الضحلة. تم استخدام طلقات الحيتان اليمنى في جنوب المحيط الأطلسي لتدريب شبكة سي إن إن، واستخدمت طلقات الحيتان اليمنى في شمال المحيط الهادئ (NPRW)، والتي كانت الشبكة ساذجة، للاختبار. يعمم المصنف على الطلقات النارية الجديدة من NPRW ويظهر لتحديد المكالمات التي يمكن استخدامها لعكس نطاق المصدر و/أو المعلمات البيئية. يمكن أن يوفر ذلك على المحللين البشريين ساعات من الفحص اليدوي لمجموعات بيانات المراقبة الصوتية السلبية الكبيرة.Translated Description (French)
Un réseau neuronal convolutif (CNN) a été formé pour identifier les coups de feu multimodaux (appels impulsifs) dans de grands ensembles de données acoustiques dans des environnements d'eau peu profonde. Des coups de feu de baleine noire de l'Atlantique Sud ont été utilisés pour entraîner le CNN, et des coups de feu de baleine noire du Pacifique Nord (NPRW), auxquels le réseau était naïf, ont été utilisés pour les tests. Le classificateur se généralise aux nouveaux coups de feu du NPRW et il est montré qu'il identifie les appels qui peuvent être utilisés pour inverser la plage de sources et/ou les paramètres environnementaux. Cela peut permettre aux analystes humains d'économiser des heures de filtrage manuel de grands ensembles de données de surveillance acoustique passive.Translated Description (Spanish)
Se entrenó una red neuronal convolucional (CNN) para identificar disparos multimodales (llamadas de impulso) dentro de grandes conjuntos de datos acústicos en entornos de aguas poco profundas. Los disparos de la ballena franca del Atlántico Sur se utilizaron para entrenar a la CNN, y los disparos de la ballena franca del Pacífico Norte (NPRW), a los que la red era ingenua, se utilizaron para las pruebas. El clasificador se generaliza a nuevos disparos del NPRW y se muestra para identificar llamadas que se pueden usar para invertir el alcance de la fuente y/o los parámetros ambientales. Esto puede ahorrar a los analistas humanos horas de cribado manual de grandes conjuntos de datos de monitoreo acústico pasivo.Files
10.0006718.pdf
Files
(93 Bytes)
| Name | Size | Download all |
|---|---|---|
|
md5:b0d506893d4802090edf1644f5f082cd
|
93 Bytes | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- تصنيف مكالمات الطلقات النارية المشتتة باستخدام شبكة عصبية ملتوية
- Translated title (French)
- Classification des appels par balle dispersifs à l'aide d'un réseau neuronal convolutif
- Translated title (Spanish)
- Clasificación de las llamadas de disparo dispersivas utilizando una red neuronal convolucional
Identifiers
- Other
- https://openalex.org/W3206883523
- DOI
- 10.1121/10.0006718
References
- https://openalex.org/W2010837834
- https://openalex.org/W2023409707
- https://openalex.org/W2037796223
- https://openalex.org/W2045873680
- https://openalex.org/W2094420274
- https://openalex.org/W2165168465
- https://openalex.org/W2610988530
- https://openalex.org/W2728245564
- https://openalex.org/W2763256674
- https://openalex.org/W2791978038
- https://openalex.org/W2915131965
- https://openalex.org/W3013791807
- https://openalex.org/W3174895154