印度动物群的大规模众包标注声学数据集

全球生物多样性丧失速率要求在大尺度地理范围内开展保护行动与监测。诸如声学监测等保护技术，结合深度学习，如今使我们能够同时在空间与时间上监测野生动物。然而，对于热带地区相当大比例的生物多样性，我们尚无法依赖自动识别方法，因为缺乏可用于稳健训练深度学习算法的声学模板。本文采用了一种新颖的参与式方法，邀请研究人员、保护实践者和自然爱好者共同创建了一个独特的、众包生成的、开放获取的印度生物多样性跨分类群声学标注数据集。我们的数据集包括3311分钟的强标注数据（即物种发声的边界框或标注）和2504分钟的弱标注数据（即指示音频文件中存在某物种但缺乏边界框），涵盖印度境内518个物种，分布于36个邦和联邦属地中的25个。我们提供了数据处理的元数据和代码，并强调了参与式方法在生物多样性监测中的优势。

全球生物多样性丧失的速率要求在大地理尺度上开展保护行动与监测。声学监测结合深度学习等保护技术，如今使我们能够在空间和时间维度上同时监测野生动物。然而，对于热带地区相当比例的生物多样性，我们目前尚无法依赖自动识别方法，因为缺乏可用于稳健训练深度学习算法的声学模板。本文采用一种新颖的参与式方法，邀请研究人员、保护实践者和自然爱好者共同创建了一个独特的、众包的、开放获取的声学注释数据集，涵盖印度生物多样性的多个分类群。我们的数据集包括来自印度各地 518 个物种的 3311 分钟强标注数据（针对物种发声的边界框或注释）和 2504 分钟弱标注数据（表明某一物种存在于音频文件中，但不包含边界框），覆盖印度 36 个邦和联邦属地中的 25 个。我们提供了用于数据处理的元数据和代码，并强调了参与式方法在生物多样性监测中的优势。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.07.20.739496v1?rss=1

🏷️ 众包标注 声学监测 生物多样性 深度学习 印度动物群