Furnariidae Species Classification Using Extreme Learning Machines and Spectral Information

Autores
Albornoz, Enrique Marcelo; Vignolo, Leandro Daniel; Sarquis, Juan Andrés; Martínez, César Ernesto
Año de publicación
2018
Idioma
inglés
Tipo de recurso
artículo
Estado
versión publicada
Descripción
Automatic bird species classification and identification are issues that have aroused interest in recent years. The main goals involve more exhaustive environmental monitoring and natural resources managing. One of the more relevant characteristics of calling birds is the vocalisation because this allows to recognise species or identify new ones, to know its natural history and macro-systematic relations, among others. In this work, some spectral-based features and extreme learning machines (ELM) are used to perform bird species classification. The experiments were carried on using 25 species of the family Furnariidae that inhabit the Paranaense Littoral region of Argentina (South America) and werevalidated in a cross-validation scheme. The results show that ELM classifierobtains high classification rates, more than 90% in accuracy, and the proposed features overperform the baseline features.
Fil: Albornoz, Enrique Marcelo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional; Argentina
Fil: Vignolo, Leandro Daniel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional; Argentina
Fil: Sarquis, Juan Andrés. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto Nacional de Limnología. Universidad Nacional del Litoral. Instituto Nacional de Limnología; Argentina
Fil: Martínez, César Ernesto. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional; Argentina
Materia
Birds Classification
Spectral Information
Auditory Representation
Extreme Learning Machines
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/88561
Acceder
id CONICETDig_18d563bf2df751298b7c175772b30005
oai_identifier_str oai:ri.conicet.gov.ar:11336/88561
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Furnariidae Species Classification Using Extreme Learning Machines and Spectral InformationAlbornoz, Enrique MarceloVignolo, Leandro DanielSarquis, Juan AndrésMartínez, César ErnestoBirds ClassificationSpectral InformationAuditory RepresentationExtreme Learning Machineshttps://purl.org/becyt/ford/1.2https://purl.org/becyt/ford/1Automatic bird species classification and identification are issues that have aroused interest in recent years. The main goals involve more exhaustive environmental monitoring and natural resources managing. One of the more relevant characteristics of calling birds is the vocalisation because this allows to recognise species or identify new ones, to know its natural history and macro-systematic relations, among others. In this work, some spectral-based features and extreme learning machines (ELM) are used to perform bird species classification. The experiments were carried on using 25 species of the family Furnariidae that inhabit the Paranaense Littoral region of Argentina (South America) and werevalidated in a cross-validation scheme. The results show that ELM classifierobtains high classification rates, more than 90% in accuracy, and the proposed features overperform the baseline features.Fil: Albornoz, Enrique Marcelo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional; ArgentinaFil: Vignolo, Leandro Daniel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional; ArgentinaFil: Sarquis, Juan Andrés. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto Nacional de Limnología. Universidad Nacional del Litoral. Instituto Nacional de Limnología; ArgentinaFil: Martínez, César Ernesto. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional; ArgentinaSpringer Verlag2018-11info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/88561Albornoz, Enrique Marcelo; Vignolo, Leandro Daniel; Sarquis, Juan Andrés; Martínez, César Ernesto; Furnariidae Species Classification Using Extreme Learning Machines and Spectral Information; Springer Verlag; Lecture Notes in Computer Science; 11238 LNAI; 11-2018; 170-1800302-9743CONICET DigitalCONICETenginfo:eu-repo/semantics/altIdentifier/url/https://link.springer.com/chapter/10.1007%2F978-3-030-03928-8_14#citeasinfo:eu-repo/semantics/altIdentifier/doi/10.1007/978-3-030-03928-8_14info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-10-15T14:30:18Zoai:ri.conicet.gov.ar:11336/88561instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-10-15 14:30:18.484CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Furnariidae Species Classification Using Extreme Learning Machines and Spectral Information
title Furnariidae Species Classification Using Extreme Learning Machines and Spectral Information
spellingShingle Furnariidae Species Classification Using Extreme Learning Machines and Spectral Information
Albornoz, Enrique Marcelo
Birds Classification
Spectral Information
Auditory Representation
Extreme Learning Machines
title_short Furnariidae Species Classification Using Extreme Learning Machines and Spectral Information
title_full Furnariidae Species Classification Using Extreme Learning Machines and Spectral Information
title_fullStr Furnariidae Species Classification Using Extreme Learning Machines and Spectral Information
title_full_unstemmed Furnariidae Species Classification Using Extreme Learning Machines and Spectral Information
title_sort Furnariidae Species Classification Using Extreme Learning Machines and Spectral Information
dc.creator.none.fl_str_mv Albornoz, Enrique Marcelo
Vignolo, Leandro Daniel
Sarquis, Juan Andrés
Martínez, César Ernesto
author Albornoz, Enrique Marcelo
author_facet Albornoz, Enrique Marcelo
Vignolo, Leandro Daniel
Sarquis, Juan Andrés
Martínez, César Ernesto
author_role author
author2 Vignolo, Leandro Daniel
Sarquis, Juan Andrés
Martínez, César Ernesto
author2_role author
author
author
dc.subject.none.fl_str_mv Birds Classification
Spectral Information
Auditory Representation
Extreme Learning Machines
topic Birds Classification
Spectral Information
Auditory Representation
Extreme Learning Machines
purl_subject.fl_str_mv https://purl.org/becyt/ford/1.2
https://purl.org/becyt/ford/1
dc.description.none.fl_txt_mv Automatic bird species classification and identification are issues that have aroused interest in recent years. The main goals involve more exhaustive environmental monitoring and natural resources managing. One of the more relevant characteristics of calling birds is the vocalisation because this allows to recognise species or identify new ones, to know its natural history and macro-systematic relations, among others. In this work, some spectral-based features and extreme learning machines (ELM) are used to perform bird species classification. The experiments were carried on using 25 species of the family Furnariidae that inhabit the Paranaense Littoral region of Argentina (South America) and werevalidated in a cross-validation scheme. The results show that ELM classifierobtains high classification rates, more than 90% in accuracy, and the proposed features overperform the baseline features.
Fil: Albornoz, Enrique Marcelo. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional; Argentina
Fil: Vignolo, Leandro Daniel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional; Argentina
Fil: Sarquis, Juan Andrés. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto Nacional de Limnología. Universidad Nacional del Litoral. Instituto Nacional de Limnología; Argentina
Fil: Martínez, César Ernesto. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Santa Fe. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional. Universidad Nacional del Litoral. Facultad de Ingeniería y Ciencias Hídricas. Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional; Argentina
description Automatic bird species classification and identification are issues that have aroused interest in recent years. The main goals involve more exhaustive environmental monitoring and natural resources managing. One of the more relevant characteristics of calling birds is the vocalisation because this allows to recognise species or identify new ones, to know its natural history and macro-systematic relations, among others. In this work, some spectral-based features and extreme learning machines (ELM) are used to perform bird species classification. The experiments were carried on using 25 species of the family Furnariidae that inhabit the Paranaense Littoral region of Argentina (South America) and werevalidated in a cross-validation scheme. The results show that ELM classifierobtains high classification rates, more than 90% in accuracy, and the proposed features overperform the baseline features.
publishDate 2018
dc.date.none.fl_str_mv 2018-11
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/88561
Albornoz, Enrique Marcelo; Vignolo, Leandro Daniel; Sarquis, Juan Andrés; Martínez, César Ernesto; Furnariidae Species Classification Using Extreme Learning Machines and Spectral Information; Springer Verlag; Lecture Notes in Computer Science; 11238 LNAI; 11-2018; 170-180
0302-9743
CONICET Digital
CONICET
url http://hdl.handle.net/11336/88561
identifier_str_mv Albornoz, Enrique Marcelo; Vignolo, Leandro Daniel; Sarquis, Juan Andrés; Martínez, César Ernesto; Furnariidae Species Classification Using Extreme Learning Machines and Spectral Information; Springer Verlag; Lecture Notes in Computer Science; 11238 LNAI; 11-2018; 170-180
0302-9743
CONICET Digital
CONICET
dc.language.none.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://link.springer.com/chapter/10.1007%2F978-3-030-03928-8_14#citeas
info:eu-repo/semantics/altIdentifier/doi/10.1007/978-3-030-03928-8_14
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Springer Verlag
publisher.none.fl_str_mv Springer Verlag
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1846082779164442624
score 13.22299

Publicaciones similares