國立虎尾科技大學 |

Apprentissage Profond et Bioacoustique Marine Pour la detection de Poissons = = Deep Learning and Marine Bioacoustics for Fish Detection.

Record Type:	Language materials, manuscript : Monograph/item
Title/Author:	Apprentissage Profond et Bioacoustique Marine Pour la detection de Poissons =/
Reminder of title:	Deep Learning and Marine Bioacoustics for Fish Detection.
remainder title:	Deep Learning and Marine Bioacoustics for Fish Detection.
Author:	Laplante, Jean-Francois.
Description:	1 online resource (76 pages)
Notes:	Source: Masters Abstracts International, Volume: 85-11.
Contained By:	Masters Abstracts International85-11.
Subject:	Deep learning. -
Online resource:	click for full text (PQDT)
ISBN:	9798382629841

Apprentissage Profond et Bioacoustique Marine Pour la detection de Poissons = = Deep Learning and Marine Bioacoustics for Fish Detection.
Laplante, Jean-Francois.

Apprentissage Profond et Bioacoustique Marine Pour la detection de Poissons =Deep Learning and Marine Bioacoustics for Fish Detection.Deep Learning and Marine Bioacoustics for Fish Detection. - 1 online resource (76 pages)

Source: Masters Abstracts International, Volume: 85-11.

Thesis (M.C.S.)--Universite de Moncton (Canada), 2023.

Includes bibliographical references

La recherche sur l'environnement est un sujet qui n'a jamais ete plus pertinent qu'aujourd'hui. L'effet de l'industrialisation sur les ecosystemes de la terre n'etait pas initialement bien connu et la conservation de ces ecosystemes est maintenant d'importance critique, A cette fin, il est important de considerer les technologies qui peuvent etre utilisees afin de pouvoir suivre l'etat des ecosystemes. Puisque tout changement dans la migration d'especes est un facteur qui peut nous informer des changements dans un ecosysteme, la detection automatique d'especes serait un grand atout pour la conservation d'ecosystemes. L'objectif de notre travail est le developpement d'un systeme de detection d'especes de poissons par le son, plus specifiquement pour le corb, une espece de poisson sonifere. A cet effet, nous presentons premierement une methode d'apprentissage profond qui utilise des donnees sous forme de spectrogrammes. Nous presentons deuxiemement une analyse de l'effet de la variation de la taille de fenetre FFT utilisee pour des spectrogrammes sur la performance de modeles. Cette these presente aussi une revue de litterature qui detaille les methodes d'apprentissage machine utilisees dans le contexte de l'analyse de signaux acoustiques de l'ecologie marine ou bioacoustique marine. Mots-cles : Reconnaissance de poissons; Apprentissage profond; Reseaux neuronaux convolutifs; Conservation environnementale; Classification d'audio; Spectrogrammes.

Electronic reproduction.
Ann Arbor, Mich. :
ProQuest,
2024

Mode of access: World Wide Web

ISBN: 9798382629841Subjects--Topical Terms:

1127428
Deep learning.
Index Terms--Genre/Form:

554714
Electronic books.

Apprentissage Profond et Bioacoustique Marine Pour la detection de Poissons = = Deep Learning and Marine Bioacoustics for Fish Detection.
LDR:03910ntm a22003617 4500 001 1150331
005 20241028114748.5
006 m o d
007 cr bn ---uuuuu
008 250605s2023 xx obm 000 0 fre d
020 $a 9798382629841
035 $a (MiAaPQ)AAI31016138
035 $a (MiAaPQ)Monctonumir2860
035 $a AAI31016138
040 $a MiAaPQ $b eng $c MiAaPQ $d NTU
100 1 $a Laplante, Jean-Francois. $3 1476796
245 1 0 $a Apprentissage Profond et Bioacoustique Marine Pour la detection de Poissons = $b Deep Learning and Marine Bioacoustics for Fish Detection.
246 3 1 $a Deep Learning and Marine Bioacoustics for Fish Detection.
264 0 $c 2023
300 $a 1 online resource (76 pages)
336 $a text $b txt $2 rdacontent
337 $a computer $b c $2 rdamedia
338 $a online resource $b cr $2 rdacarrier
500 $a Source: Masters Abstracts International, Volume: 85-11.
500 $a Advisor: Akhloufi, Moulay.
502 $a Thesis (M.C.S.)--Universite de Moncton (Canada), 2023.
504 $a Includes bibliographical references
520 $a La recherche sur l'environnement est un sujet qui n'a jamais ete plus pertinent qu'aujourd'hui. L'effet de l'industrialisation sur les ecosystemes de la terre n'etait pas initialement bien connu et la conservation de ces ecosystemes est maintenant d'importance critique, A cette fin, il est important de considerer les technologies qui peuvent etre utilisees afin de pouvoir suivre l'etat des ecosystemes. Puisque tout changement dans la migration d'especes est un facteur qui peut nous informer des changements dans un ecosysteme, la detection automatique d'especes serait un grand atout pour la conservation d'ecosystemes. L'objectif de notre travail est le developpement d'un systeme de detection d'especes de poissons par le son, plus specifiquement pour le corb, une espece de poisson sonifere. A cet effet, nous presentons premierement une methode d'apprentissage profond qui utilise des donnees sous forme de spectrogrammes. Nous presentons deuxiemement une analyse de l'effet de la variation de la taille de fenetre FFT utilisee pour des spectrogrammes sur la performance de modeles. Cette these presente aussi une revue de litterature qui detaille les methodes d'apprentissage machine utilisees dans le contexte de l'analyse de signaux acoustiques de l'ecologie marine ou bioacoustique marine. Mots-cles : Reconnaissance de poissons; Apprentissage profond; Reseaux neuronaux convolutifs; Conservation environnementale; Classification d'audio; Spectrogrammes.
520 $a The interest for environmental research has increased in recent years. The effect of industrialization on the Earth's ecosystems was not initially recognized and ecosystem conservation is of critical importance. As such, it is important to consider what technologies may be used to stay up to date with the state of our ecosystems. Any change in migration is a factor that can inform us of changes in an ecosystem. Thus, we would greatly profit from the ability to automatically detect the presence of specific species. The objective of this work is the development of a fish species detection system using sound, more specifically for the sound of brown meagres. To achieve this, we first present a deep learning method that uses data represented as spectro grams. We secondly present an analysis of how the models' performances vary when the window length used to generate the spectrogram is modified.This thesis also presents a literature review that discusses various machine learning methods used inthe context of marine ecology audio signal analysis or marine bioacoustics.
533 $a Electronic reproduction. $b Ann Arbor, Mich. : $c ProQuest, $d 2024
538 $a Mode of access: World Wide Web
650 4 $a Deep learning. $3 1127428
650 4 $a Fourier transforms. $3 1372561
650 4 $a Visualization. $3 574210
650 4 $a Neural networks. $3 1011215
650 4 $a Sound. $3 563184
650 4 $a Mathematics. $3 527692
655 7 $a Electronic books. $2 local $3 554714
690 $a 0800
690 $a 0405
710 2 $a ProQuest Information and Learning Co. $3 1178819
710 2 $a Universite de Moncton (Canada). $3 1476797
773 0 $t Masters Abstracts International $g 85-11.
856 4 0 $u http://pqdd.sinica.edu.tw/twdaoapp/servlet/advanced?query=31016138 $z click for full text (PQDT)