图/表详细信息

鸟声标注技术及其在被动声学监测中的应用

郭倩茸, 段淑斐, 谢捷, 董雪燕, 肖治术

生物多样性 2024, 32 (10): 24313-. DOI: 10.17520/biods.2024313

摘要（407）

HTML （14）

PDF（pc）（1546KB）（269）

鸟声标注用于标记声音中的鸟类信息, 如种类、声音结构等, 是鸟类被动声学监测及相关声学数据分析、物种自动识别分类的重要基础。本文以鸟声标注为重点, 比较了人工标注、自动标注和半自动标注等常用方法的优势, 点明了各自在数据质量、标注一致性和标注效率等方面面临的挑战, 同时探讨了这些标注方法在被动声学监测中的应用进展, 提出了自动标注模型优化、跨地区数据集建立和半自动标注系统完善等未来发展方向。尽管目前自动标注方法取得了显著进展, 但鸟声标注仍面临冷启动问题, 亟需更大规模的跨地区数据集和高效的质量检测半自动标注系统, 以满足标注数量和质量的双重要求。本综述有助于帮助鸟声数据集创建者和标注者更好地理解现有标注技术及其潜在的发展趋势, 为大规模鸟类声学监测数据的高效物种自动识别提供技术支撑。

标注技术 Annotation technique		技术特征 Technical characteristic	优点 Advantage	缺点 Disadvantage	针对缺点采取的措施 Measures taken in response to disadvantages
人工标注 Manual annotation	专家标注 Expert annotation	完全依赖专家完成标注工作 Rely solely on experts to annotate	准确率高 High accuracy	时间成本高 High time cost	提出众包标注 Proposing crowdsourced annotations
人工标注 Manual annotation	公民科学 Citizen Science	依赖爱好者完成标注工作 Rely on hobbyists to annotate	效率高 High efficiency	标签准确率不高 The accuracy of the label is not high	标签质量控制: 提升数据标签质量、任务请求者细化任务内容、限制众包参与者 Label quality control measures: Improving the quality of data labeling, refining task content by task requesters, and limiting crowdsourcing participants
自动标注 Automatic annotation		完全依赖模型完成标注工作 Rely entirely on the model for annotation	效率高 High efficiency	依赖模型性能 Depend on model performance	优化模型、训练数据集专家标注 Optimizing the model and using expert-annotated datasets for training
半自动标注 Semi-automatic annotation		标注工作依赖机器和人工 Rely on machines and humans	效率高、准确率高 High efficiency and high accuracy	需要人员和标签管理 Require personnel and label management	信誉管理、任务分配、激励机制等方面优化管理 Optimizing management in terms of reputation management, task allocation, and incentive mechanism

View table in article

表2 标注技术的技术特征及优化措施

正文中引用本图/表的段落

本节重点探讨了人工标注中的专家标注和众包标注的技术特征, 分析了提高标签质量的相关研究。在自动标注方面, 梳理了研究的基本步骤、常用特征和模型, 介绍了常见的自动标注软件与平台。此外, 还讨论了半自动标注模型及其优化管理的相关研究进展(表2)。

本文的其它图/表