Künstliche neuronale Netze für die Bildklassifikation von Fledermausrufen

Abstract

In dieser Arbeit wird untersucht, inwiefern sich vortrainierte künstliche neuronale Netze für die automatische Klassifizierung von Sonagrammen bei der Auswertung von erfassten Fledermausrufen mittels UAS eignen. Dafür werden Convolutional Neural Networks und Vision Transformer als vielversprechende Bildklassifizierungsmethoden vorgestellt und mit Daten aus Fledermausrufen sowie Störsignalen trainiert. Die Ergebnisse werden anhand von Metriken des maschinellen Lernens miteinander verglichen. Bei der Durchführung des Experiments wurden Klassifikationsgenauigkeiten von über 90% erreicht.

This thesis investigates the extent to which pre-trained artificial neural networks are suitable for the automatic classification of sonagrams when evaluating recorded bat calls using UAS. For this purpose, convolutional neural networks and vision transformers are presented as promising image classification methods and trained with data from bat calls and noise signals. The results are compared using machine learning metrics. When the experiment was carried out, classification accuracies of over 90% were achieved.