A5093925570- Animal Vocal Communication and Behavior
- Speech and Audio Processing
- Marine animal studies overview
- Smart Agriculture and AI
- Medical Imaging Techniques and Applications
- Advanced X-ray and CT Imaging
- Bat Biology and Ecology Studies
- Spectroscopy and Chemometric Analyses
- Remote-Sensing Image Classification
- Radiomics and Machine Learning in Medical Imaging
- Music and Audio Processing
Universidade Federal de Mato Grosso
2024
Machine learning tools are widely used in support of bioacoustics studies, and there numerous publications on the applicability convolutional neural networks (CNNs) to automated presence-absence detection species. However, relation between merit acoustic background modelling recognition performance needs be better understood. In this study, we investigated influence substance detector White-lored Spinetail (Synallaxis albilora). Two designs were evaluated: 152-layer ResNet with transfer a...
To create a bird classification model, it is necessary to have training datasets with thousands of samples. Automating this task possible, but the first step being able segment soundscapes by identifying vocalizations. In study, we address issue testing four methods for audio segmentation, Librosa Library, Few-Shot Learning technique: BirdNET Framework, and Bird Classification Model called Perch. The results show that best method purpose work was BirdNET, achieving highest values precision,...
A banana desempenha um papel significativo na fruticultura e, para reduzir as perdas durante o processo pós-colheita e prolongar a vida útil de armazenamento, é importante identificar os seus níveis maturação, principalmente por apresentarem uma alta taxa deterioração. Técnicas inteligência artificial podem ser aplicadas este fim. Este trabalho aborda construção modelos redes neurais artificiais classificação estágios maturação das bananas, utilizando-se como conjunto imagens Bananas Prata...
Diversos trabalhos foram realizados para o reconhecimento de COVID-19 por meio imagens raio-X. Os obtinham bom desempenho no das imagens, entanto, os modelos estão alinhados aos conjuntos dados utilizados, que não implica mesmo fora do contexto treino. Deste modo, este trabalho aplicou uma forma justa avaliar em diferentes cenários. resultados demonstraram conseguiram distinguir entre origem diferente, assim, foi determinado estiveram adaptados ao conjunto obtido.