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
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 |
| 1st | Dr.北村の愉快な仲間たち | 0.6932 | Short | GitHub | Pytorch |
| 2nd | new baseline | 0.6893 | Full | GitHub | Pytorch Timm |
| 3rd | Shiro | 0.6891 | Full | – | Pytorch |
| 4th | Third time’s the charm | 0.6864 | Full | Infer
|
Pytorch Timm |
| 5th | 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