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 technology	适用场景 Applicable scenarios
人工标注 Manual annotation	标注小型数据集、发布基准数据集、标注新物种或不常见的物种、行为生态学研究和种间关系研究 Labeling small datasets, publishing benchmark datasets, labeling new or uncommon species, behavioral ecology studies, and interspecific relationship studies
半自动标注 Semi-automatic annotation	标注中型数据集 Labeling medium-sized datasets
自动标注 Automatic annotation	标注大型数据集、长期的被动声学监测、实时监控系统、环境变化评估, 以及大规模研究项目的初步筛选 Labeling large datasets, long-term passive acoustic monitoring, real-time monitoring systems, environmental change assessments, and initial screening of large-scale research projects

View table in article

表5 鸟声标注技术及适用场景对比

正文中引用本图/表的段落

人工标注包含专家标注和众包参与者标注, 专家标注准确率高, 但是时间成本大且只能标注小型数据集。众包标注效率高, 但是标签准确率低, 需要严格的标签管理和参与者的信誉度管理。专家标注通常应用于需要高精度标签的研究, 比如行为生态学研究和种间关系研究。它还适用于标注新物种或不常见的物种, 建立基准数据集以及特定保护区的小规模鸟类监测项目。自动标注的准确率取决于模型性能, 通常应用于长期的被动声学监测、实时监控系统、环境变化评估, 以及大规模研究项目的初步筛选。半自动标注综合自动标注和人工标注的优势, 提升了模型的识别效果, 减少了标注时间成本, 适用于建立中型高精度标签数据集(表5)。

本文的其它图/表