Hannes Kath präsentierte die Arbeit „Speeding Up Bioacoustic Data Analysis: Fine-Tuning Deep Models with Active Learning for Efficient Wildlife Detection“ auf der 5th International Conference on Information Technology for Social Good (GoodIT 2025) in Antwerpen.
Die Forschung adressiert die wachsende Herausforderung, große Mengen bioakustischer Daten effizient auszuwerten, um den Verlust der Biodiversität zu überwachen. Die Studie zeigt, wie das Fine-Tuning von Transfer-Learning-Modellen in Kombination mit Active Learning die Analyse von Daten aus passivem akustischem Monitoring (PAM) erheblich beschleunigen kann. Ein zentraler Beitrag ist der Einsatz von dynamisch wachsenden Batchgrößen für die Auswahl von Trainingsdaten, wodurch ein optimales Verhältnis zwischen Rechenzeit und Modellleistung erreicht wird.
Diese Arbeit ebnet den Weg für benutzerfreundliche und skalierbare Werkzeuge zur Biodiversitätsüberwachung und fördert die breitere Nutzung von PAM-Technologien.