Development of artificial intelligence methods for marine mammal detection and classification of underwater sounds in a weak supervision (but) Big Data-Expert context - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2020

Development of artificial intelligence methods for marine mammal detection and classification of underwater sounds in a weak supervision (but) Big Data-Expert context

Développement de méthodes d’intelligence artificielle pour la détection des mammifères marins et la classification de sons sous-marins dans un contexte de faible supervision (mais) de Big Data-Expert

Résumé

Whales have become an important topic in marine science. One of the best solutions for their protection is a better understanding of their social structure and the way they communicate with each other. To this end, Underwater Passive Acoustics (UPA) offers a unique solution to simultaneously capture both source-specific and more contextual information, thus providing a better understanding of both the behavior of whales and their relationships with the ecosystem around them. As the volume of APSM data to be processed has become very large, the development of automated artificial intelligence (AI) methods to analyze this data is now of prime importance in marine bioacoustics. These rely heavily on the quantity and quality of the annotated data, which is the main limitation in their use. This work explores two approaches in a weakly supervised context, by acting or on the context itself, through the question of where and how one can better extract useful information to supervise AI methods; or by acting on AI methods in this context, through the question of how to develop AI methods to better respond to weak supervision. Our contribution has enabled the development of new tools to aid in the recognition of cetacean sounds through open science with the OsmOSE project, a collaborative and interdisciplinary project following the principles of Findable, Accessible, Interoperable and Reusable data.
Les baleines sont devenues un sujet important dans les sciences marines. L’une des meilleures solutions pour leur protection consiste à mieux appréhender leur structure sociale et la façon dont elles communiquent les unes avec les autres. À cette fin, l’acoustique passive sous-marine (APSM) offre une solution unique pour saisir simultanément des informations spécifiques à la source et des informations plus contextuelles, permettant ainsi de mieux comprendre à la fois le comportement des baleines et leurs relations avec l’écosystème qui les entoure. Comme l’ensemble des volumes de données APSM à traiter est devenu très important, le développement de méthodes automatisées d’intelligence artificielle (I.A.) pour analyser ces données est dorénavant de première importance en bioacoustique marine. Celles-ci reposent fortement sur le quantité et qualité des données annotées, ce qui constitue la principale limite dans leur utilisation. Cette thèse explore deux approches dans un contexte faiblement supervisé, en agissant ou sur le contexte lui-même, à travers la question de savoir où et comment on peut mieux extraire de l’information utile pour superviser les méthodes d’I.A. ; ou en agissant sur les méthodes d’I.A. dans ce contexte, à travers la question de savoir comment développer des méthodes d’I.A. pour mieux répondre à une supervision faible. Notre contribution à permis de développer de nouveaux outils pour l’aide à la reconnaissance de sons de baleines à travers une science plus ouverte avec le projet OsmOSE, un projet collaboratif et interdisciplinaire construit sur les principes de données Faciles à trouver, Accessibles, Interopérables et Réutilisables.
Fichier principal
Vignette du fichier
NGUYEN_HONG_DUC_Paul_2020.pdf (19.26 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-03575600 , version 1 (15-02-2022)

Identifiants

  • HAL Id : tel-03575600 , version 1

Citer

Paul Nguyen Hong Duc. Development of artificial intelligence methods for marine mammal detection and classification of underwater sounds in a weak supervision (but) Big Data-Expert context. Acoustics [physics.class-ph]. Sorbonne Université, 2020. English. ⟨NNT : 2020SORUS404⟩. ⟨tel-03575600⟩
314 Consultations
130 Téléchargements

Partager

Gmail Facebook X LinkedIn More