kaggle1位の解析手法：BirdCLEF 2021 – Birdcall Identification

目次

1. 解析手法の概要
2. 1位のパイプライン
3. データセット作成
4. モデル作成
5. 後処理

関連記事：

kaggle1位の解析手法：BirdCLEF 2021 – Birdcall Identification 概要

librosa-Pythonで音声処理, 音楽解析

1. 解析手法の概要

この記事は、kaggle1位の解析手法：Help Protect the Great Barrier Reef 【2版】のシリーズの第2番です。第1番は下記はリングです。

kaggle1位の解析手法：Help Protect the Great Barrier Reef 【1 第2版】

BirdCLEF 2021 ：1位～5位の解析手法は下記のパスです。

Rank	Team	Score	Explain	Code	Framework
1^st	Dr.北村の愉快な仲間たち	0.6932	Short Full	GitHub Infer	Pytorch
2^nd	new baseline	0.6893	Full	GitHub Infer Paper	Pytorch Timm
3^rd	Shiro	0.6891	Full	–	Pytorch
4^th	Third time’s the charm	0.6864	Full	Infer	Pytorch Timm
5^th	Kramarenko Vladislav	0.6820	Full	GitHub	Pytorch

2. 1位のパイプライン

1位のパイプラインはデータセットの前処理　→　3つのモデル　→　後処理の流れのモデルが良かったです。

3. データセット作成

3つのデータセット：

鳥音あり・なしの7,000の音声データセットhttps://www.kaggle.com/datasets/startjapan/ff1010bird-duration7
397クラスの鳥音のデータセット

https://www.kaggle.com/competitions/birdclef-2021/data

３）緯度、経度、記録日、などの62874の行、14列のデータセット

前処理：音源をメルスペクトログラムに変換します。

Mel Spectrograms Imageのサンプル

4. モデル作成

3段階のモデル

STAGE1: 　Freefield1010の外部データのメルスペクトログラムから鳥が鳴いているかどうかの2値分類のResnext50モデルを作成します。

STAGE2:　鳥音のメルスペクトログラムから397+1クラス分類のResnext50モデルを作成します。

STAGE3:　 STAGE2の結果と緯度、経度、記録日、などの特徴量からLightGBMモデルを作成します。

5. 後処理

後処理： nocall と判断する閾値を最適化。また鳥と nocall を混ぜてスコア向上させる nocall injection のモデルを行いました。

担当者：KW
バンコクのタイ出身　データサイエンティスト
製造、マーケティング、財務、AI研究などの様々な業界にPSI生産管理、在庫予測・最適化分析、顧客ロイヤルティ分析、センチメント分析、SaaS、PaaS、IaaS、AI at the Edge の環境構築などのスペシャリスト