PulseAugur
中
实时 08:57:49
English(EN) Large-scale bioacoustic detection using semantic segmentation: a deep learning framework applied to fin whale calls in ocean-bottom seismometer recordings

深度学习框架从地震数据中检测数百万次长须鲸叫声

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个深度学习框架，用于检测海底地震仪记录中的长须鲸叫声。该方法在水听器数据上进行训练，无需重新训练即可成功推广到不同地区地震仪数据。该系统应用于超过378,000小时的记录，以高精度识别了630万次叫声，创建了迄今为止最大的长须鲸叫声目录，并能够对季节性变化和盆地尺度活动模式进行生态分析。 AI

影响 这项研究展示了深度学习在生态监测方面的新应用，有可能利用现有的地球物理基础设施实现大规模物种追踪。

排序理由 该集群包含一篇学术论文，详细介绍了用于生物声学检测的新深度学习框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

深度学习框架从地震数据中检测数百万次长须鲸叫声

本文如何被排名

Signal score
15 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群包含一篇学术论文，详细介绍了用于生物声学检测的新深度学习框架。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Breaking (< 6h)
Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Jocelyn Japnanto, Alex A. Saoulis, Miriam Romagosa, Rita Leit\~ao, Gabrielle Arrieta, M\'onica A. Silva, Matthew Graham, Ana M. G. Ferreira ·

    利用语义分割进行大规模生物声学检测：一种应用于海底地震仪记录中长须鲸叫声的深度学习框架

    arXiv:2609.13281v1 Announce Type: cross Abstract: Ocean-bottom seismometers (OBS), originally deployed for geophysical research, continuously record low-frequency sound for months to years across broad areas of ocean, offering a largely untapped resource for passive acoustic moni…

相关实体

相关话题