Cornell Birdcall Identification

Cornell Birdcall Identification"/>

Cornell Birdcall Identification

文章目录

• 1.比赛简介
• • 1.1 链接
  • 1.2 简介
• 2.数据下载
• 3.baseline代码
• 4. 进阶代码
• 5. trick

1.比赛简介

1.1 链接

1.2 简介

你听见窗外鸟儿在啁啾吗？世界上有超过10000种鸟类，它们几乎可以在任何环境中找到，从原始雨林到郊区甚至城市。鸟类在自然界中起着至关重要的作用。它们在食物链中处于高位，整合了发生在较低层次的变化。因此，鸟类是栖息地质量恶化和环境污染的极好指标。然而，听鸟往往比看鸟容易。通过适当的声音检测和分类，研究人员可以根据不断变化的鸟类种群自动直觉出一个地区的生活质量因素。
已经有许多项目正在进行中，通过长时间连续记录自然声景来广泛监测鸟类。然而，由于许多生物和非生物发出噪音，这些数据集的分析通常由领域专家手动完成。这些分析极其缓慢，结果往往不完整。数据科学可能会提供帮助，因此研究人员已经转向大型众包鸟类焦点记录数据库来训练人工智能模型。不幸的是，在监测应用中使用的训练数据（个别鸟类的短记录）和声景记录（多个物种同时鸣叫的长记录）之间存在域不匹配。这就是目前使用的人工智能模型性能不佳的原因之一。
为了充分挖掘这些广泛且信息丰富的声音档案的潜力，研究人员需要优秀的机器监听器来可靠地提取尽可能多的信息，以帮助数据驱动的保存。
康奈尔鸟类保护中心生物声学实验室（CCB）的任务是收集和解释自然界的声音。CCB开发创新的保护技术，以激励和告知全球野生动物和栖息地的保护。CCB希望通过与数据科学界的合作，进一步推进其使命，提高声景分析的准确性。
在本次比赛中，您将在声景录音中识别各种各样的鸟类发声。由于录音的复杂性，它们包含弱标签。背景中可能有人为声音（如飞机飞越）或其他鸟类和非鸟类（如花栗鼠）的叫声，前景中有特定的标记鸟类。带上你的新想法，建立有效的探测器和分类器，用于分析复杂的音景记录！
如果成功，您的工作将帮助研究人员更好地了解栖息地质量的变化、污染水平以及恢复工作的有效性。可靠的机器监听器还将允许自然资源保护主义者在世界范围内部署更多的录音设备，并以目前尚不可能的规模实现数据驱动的保护。最终的保护结果可以大大提高许多生物的生活质量，包括鸟类和人类。

2.数据下载

3.baseline代码

4. 进阶代码

5. trick