Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

AquaSignal: An Integrated Framework for Robust Underwater Acoustic Analysis

Created by
  • Haebom

저자

Eirini Panteli, Paulo E. Santos, Nabil Humphrey

개요

AquaSignal은 수중 음향 신호의 전처리, 잡음 제거, 분류 및 새로운 신호 탐지를 위한 모듈식이고 확장 가능한 파이프라인입니다. 잡음이 많고 역동적인 해양 환경에서 효과적으로 작동하도록 설계되었으며, 음향 신호 분석의 신뢰성과 정확성을 높이기 위해 최첨단 심층 학습 아키텍처를 통합합니다. Deepship과 Ocean Networks Canada (ONC) 벤치마크의 결합된 데이터 세트에서 평가되었으며, 다양한 실제 수중 시나리오를 제공합니다. 잡음 제거에는 U-Net 아키텍처를, 알려진 음향 이벤트 분류에는 ResNet18 합성곱 신경망을, 새로운 또는 이상 신호의 비지도 탐지에는 오토인코더 기반 모델을 사용합니다. 실험 결과, AquaSignal은 신호 명확성과 작업 성능을 향상시켜 분류 정확도 71%, 새로운 신호 탐지 정확도 91%를 달성했습니다. 일부 최첨단 모델에 비해 분류 성능이 약간 낮지만, 데이터 분할 전략의 차이로 인해 직접적인 비교가 제한됩니다. 전반적으로 AquaSignal은 과학, 환경 및 해양 분야에서 실시간 수중 음향 모니터링에 대한 강력한 잠재력을 보여줍니다.

시사점, 한계점

시사점:
모듈식이고 확장 가능한 수중 음향 신호 처리 파이프라인을 제시.
U-Net, ResNet18, 오토인코더 기반의 심층 학습 아키텍처를 통합하여 성능 향상.
실제 수중 환경 데이터를 사용한 종합적인 평가 진행.
분류(71%) 및 새로운 신호 탐지(91%)에서 높은 정확도 달성.
과학, 환경, 해양 분야의 실시간 수중 모니터링에 활용 가능성 제시.
한계점:
일부 최첨단 모델과 비교하여 분류 성능이 다소 낮음 (데이터 분할 전략 차이로 인한 직접 비교 어려움).
👍