Logiciel pour identifier les sons d'oiseaux

[maloute45]

UNIQUEMENT POUR INFORMATION

Source :
Stowell D et Plumbley MD (2014) Automatic large-scale classification of bird sounds is strongly
improved by unsupervised feature learning. PeerJ. https://peerj.com/articles/488/


UN LOGICIEL PERMET D'IDENTIFIER EFFICACEMENT LES SONS D'OISEAUX

Un algorithme disposant d'une fonction d'auto-apprentissage réussit à traiter avec succès de
grandes quantités d'enregistrements sonores.


L'algorithme de Dan Stowell et Mark D. Plumbley pourrait a priori reconnaître
facilement le chant d'un Rossignol philomèle (Luscinia megarhynchos).
Photographie : Noel Reynolds / Wikimedia Commons

Les internautes connaissent bien Shazam, un logiciel très efficace de
reconnaissance musicale : il est capable en quelques secondes de reconnaître le titre d'une
chanson ou le nom d'une émission à partir d'un air de musique entendu.
Plusieurs ornithologues et informaticiens travaillent depuis des années sur un programme
similaire pour les cris et les chants d'oiseaux.

Mark Berres, un ornithologue de l'université du Wisconsin (États-Unis), avait ainsi proposé dès
2012 la version bêta d'une application pour iPhones appelée WeBIRD (Wisconsin Electronic Bird
Identification Resource Database) capable identifier environ 75 espèces d'oiseaux du sud du
Wisconsin (États-Unis) .
Isoperla avait lancé la même année un module de reconnaissance limité à 38 espèces
communes d'Europe

En France, la société Biosong et la Ligue pour la Protection des Oiseaux (LPO) travaillent sur
Birdify, un projet soutenu financièrement par la région Aquitaine qui devrait à terme être
disponible pour smartphones (systèmes d'exploitation iOs et Android) : cette application mobile
permettra, sur la base de l’enregistrement d'un chant, d’identifier l’espèce à partir de la base de
données documentée, puis de renvoyer à l’utilisateur les ressources informatives.

Dans le journal en ligne PeerJ, Dan Stowell et Mark D. Plumbley, de la Queen Mary University of
London, ont publié en juillet 2014 un article décrivant un système pouvant d'identifier
automatiquement les chants de plusieurs espèces d'oiseaux, même s'ils chantent en même
temps.
Ils ont développé un algorithme d'analyse et de classification capable de traiter de grandes
quantités de données sonores.
Ils ont utilisé quatre bibliothèques sonores comme bases de référence : nips4b (687
enregistrements) et lifeclef2014 (9 688 enregistrements) rendues publiques grâce au projet
français SABIOD, bldawn (60 concerts d'oiseaux enregistrés à l'aube en Grande-Bretagne fournis
par la British Library Sound Archive) et xccoverbl (264 enregistrements extraits du site web
Xeno Canto).

Leur programme peut fonctionner sans intervention humaine et analyser les sons sans avoir à les
couper au préalable "manuellement" en syllabes et à identifier les moments de silence; en effet,
pour de nombreux enregistrements, seules certaines parties du chant d'une espèce sont
audibles.

Les deux auteurs se sont basés sur la technique de l'analyse cepstrale, généralement utilisée
dans les processus de reconnaissance de la voix humaine, qui consiste à appliquer à un signal
numérique un traitement mathématique complexe afin d'en faciliter l'étude ; elle permet
notamment de détecter des périodicités difficilement décelables dans un spectre classique de fréquences.
Des spectrogrammes de Mel (= utilisant l'échelle de Mel, dont l'unité de mesure est le mel) ont
été générés.
Des coefficients MFCC (Mel Frequency Cepstrum Coefficients), qui ne contiennent en théorie que
l'information sonore optimale pour l'identification sonore, ont été calculés.

Chaque fichier audio a été converti en un échantillon standard d’une fréquence de 44,1 khz, et le
bruit de fond a été réduit par l'application de filtres.
Une forêt d'arbres décisionnels ("random forest tree") a été utilisée pour classer les segments
sonores des quatre bases de données afin que l’algorithme puisse ensuite reconnaître des sons
selon un certain intervalle de confiance.

Le programme peut s'autoperfectionner de façon continue grâce à une fonction d'apprentissage
("feature learning") basée sur les k-moyennes ("K-means"), qui consiste à partitionner des
groupes hétérogènes de données en sous-groupes facilitant une extraction organisée des
connaissances.
Cette fonction prend même en compte les modulations rapides contenues dans les chants et les
cris et qui sont souvent caractéristiques d’une espèce.

Les performances obtenues ont été évaluées par les méthodes statistiques de la courbe ROC
(Receiver Operating Characteristic) et de la Moyenne de la Précision Moyenne (Mean Average
Precision).
Et elles sont globalement très bonnes : par exemple, en utilisant la base de données lifeclef2014,
plus de 82 % des sons soumis ont pu être classés correctement, un pourcentage qui a atteint les
85 % avec la fonction d'apprentissage, mais qui est redescendu à 69 % après prise en compte
des coefficients MFCC.
Un résultat un peu moins bon (80 %) a été obtenu avec la base de données bldwan, la plus
petite et la moins documentée, et dans son cas, la fonction d'apprentissage n'a pas permis
d'améliorer le taux de réussite.

En résumé, l'algorithme de Dan Stowell et Mark D. Plumbley est d'autant plus efficace que la
quantité de données disponibles est importante, et "l'auto-apprentissage" du logiciel améliore
généralement ses performances.
Les coefficients MFCC, censés en théorie préserver la plupart des informations sémantiques
utiles d’un son, diminuent par contre les performances.

Les auteurs souhaitent à terme que leur programme puisse être utilisé par le grand public, via
une application pour smartphones.