Un réseau de neurones frugal pour la détection bioacoustique
Résumé
The development of bioacoustic sensors is contributing to study animal populations, including birds, and wildlife conservation. In order to limit human interventions and increase the autonomy of sensors, we aim to develop batteryless sensors, processing audio on a microcontroler powered by ambiant energy harvesting. State of the art neural network performing vocal activity detection for a given species require significant memory and computation ressources that are not available on a microcontroler. Therefore, we propose a tiny neural network for bird sounds detection, enabling on-device inference. We show that the BC-ResNet architecture can be trained to correctly detect Common Nightingale vocalizations with only a few thousands parameters.
Le développement de capteurs bioacoustiques permet de contribuer à l'étude de populations animales, notamment d'oiseaux, et à la préservation de la biodiversité. Afin de limiter les interventions humaines et d'améliorer l'autonomie des capteurs, nous souhaitons développer des capteurs sans batterie, effectuant le traitement de l'audio sur un microcontrôleur alimenté par une source d'énergie ambiante. Les réseaux de neurones de l'état de l'art permettant la détection de l'activité vocale d'une espèce d'oiseaux nécessitent une mémoire et une capacité de calcul incompatibles avec les ressources d'un tel microcontrôleur. Nous proposons un réseau de neurones frugal en nombre de paramètres pour la détection de l'activité vocale d'une espèce d'oiseaux. Nous montrons que l'architecture BC-ResNet permet de détecter correctement les vocalisations du rossignol philomèle avec seulement quelques milliers de paramètres.
Domaines
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|---|
| Licence |