Title (deu): Automatische Klassifikation von Vogelstimmen durch instanzbasiertes Lernen

Author: Schmid, R. (Roman)

Description (deu): St. Pölten, FH-Stg. Digitale Medientechnologien, Master Thesis, 2015

Description (deu): Diese Arbeit ist im Gebiet der Audio-Informationsgewinnung angesiedelt und beschäftigt sich mit Mustererkennung und Klassifikation von Vogelstimmen. Automatische Klassifikation von Tierlauten ist ein wichtiges Thema. So können, um einige wenige Anwendungsmöglichkeiten zu nennen, Gefahren entdeckt und verhindert, neue Tierarten entdeckt oder Überwachung von geschützten Arten gewährleistet werden. Dies hilft etwa Biologen, Forschern oder Menschen, die in der Nähe gefährlicher Tiere leben.
In dieser Arbeit wurden durch einen selbstentwickelten Klassifikator Vogelstimmen von südamerikanischen Singvögeln durch instanzbasiertes Lernen klassifiziert und ihrer Spezies zugeordnet.
Diverse Methoden und deren Ergebnisse werden erklärt und verglichen, um einen Überblick über die verschiedenen Herangehensweisen, ihre Grenzen, Möglichkeiten und ihre Vor- und Nachteile zu geben. Dazu wurden die Ergebnisse des Bird task und die Methode dieser Arbeit analysiert.
Die Resultate der Klassifikation waren mit bis zu 52,6% Genauigkeit sehr gut und mit den Ergebnissen der Teilnehmer des Bird task vergleichbar. Jedoch litt aufgrund der pragmatischen und einfachen Herangehensweise und der hohen Anzahl an generierten Daten die Performance des Klassifikators stark, weshalb das Datenset auf etwa 1/50 reduziert werden musste, um Experimente in einem realistischen Rahmen durchführen zu können. In der selbstentwickelten Methode wurde mit unterschiedlichen Audiomerkmalen gearbeitet, die sich rein aus den Spektrogrammen der Aufnahmen errechnen ließen.

Description (eng): This work is located in the field of audio information retrieval. It covers pattern recognition and classification of birdsong.
Automatic classification of animal sounds is an important topic. Applications are the detection and prevention of threats, the discovery of new species and the monitoring of endangered. This could help biologists, scientists or people living in vicinity of dangerous animals.
In this thesis, a classification system has been developed that detects and analyses birdsong of south-American songbirds and classifies them with an instance-based classification method.
Several methods of classification and their results will be explained and compared, to give an overview of the different approaches, to show their limits, their possibilities and their advantages and disadvantages. The results of the self-implemented method and the results of the Bird task will be analysed.
The classification achieved up to 52.6% accuracy which can be compared to the results of the bird task participating teams. However the bad performance of the classifier due to the simple and pragmatic implementation and the high amount of generated data caused a reduction of the dataset to 1/50 to ensure the completion of the experiments in a realistic timeframe. The self-implemented method used different audio-features, computed only from the spectrograms of the given audio-data.

Object languages: German

Date: 2015

Rights: © All rights reserved

Classification: Vogelstimme; Automatische Klassifikation

Permanent Identifier