| Publicaties | Instituten | Personen | Datasets | Projecten | Kaarten | ||||
Yolov8 model weights to detect unknown underwater sounds
Citeerbaar als data publicatie
Parcericas, C.; Schall, E.; te Velde, K.; Botteldooren, D.; Devos, P.; Debusschere, E.; Flanders Marine Institute (VLIZ); Ghent University (UGent): Belgium; Alfred Wegener Institute for Polar and Marine Research (AWI): Germany; Leiden University: The Netherlands; (2024): Yolov8 model weights to detect unknown underwater sounds. Marine Data Archive. https://doi.org/10.14284/808
Contact:
Parcerisas, Clea Online dataset: Beschikbaarheid:
 Deze dataset valt onder een Creative Commons Naamsvermelding 4.0 Internationaal-licentie.Beschrijving
Machine learning for efficient segregation and labeling of potential biological sounds in long-term underwater recordings. Trained weights of model, in Python. Code to reproduce publication results, (re)train the models, or use the models for inference can be found on: GitHub - lifewatch/sound-segregation-and-categorization (https://github.com/lifewatch/sound-segregation-and-categorization). meerName
File name
Pretraining data
Hours
Scope Thema's: Biologie > Geluid Kernwoorden: Acoustic detection · Akoestiek en akoestische apparaten, golven · Mariene ecologie · Underwater sound Bijdrage door
Vlaams Instituut voor de Zee (VLIZ), meer, data creator
Universiteit Gent; Faculteit Ingenieurswetenschappen en Architectuur; Departement Informatietechnologie; WAVES, meer, data creator
Alfred Wegener Institute for Polar- and Marine Research; Ocean Acoustics Group (OZA), meer, data creator
Universiteit Leiden; Faculteit Wetenschappen; Institute of Biology, meer, data creator
Project
LifeWatch: Flemish contribution to LifeWatch.eu, meer
Financiering FWO Internationale onderzoeksinfrastructuur
Subsidieovereenkomst ID I002021N
PhD: Marine Soundscapes in Shallow Water: Automated Tools for Characterization and Analysis, meer
Financiering Eigen Middelen zoals patrimonium, inschrijvingsgelden, giften, ....
Subsidieovereenkomst ID DOCT/003826
Publicatie
Beschrijft deze dataset
Parcerisas, C. et al. (2024). Machine learning for efficient segregation and labeling of potential biological sounds in long-term underwater recordings. Front. Remote Sens. 5: 1390687. https://dx.doi.org/10.3389/frsen.2024.1390687, meer
Dataset status: Afgelopen
Data type: Software
Data oorsprong: Numerieke berekeningen / modellen
Metadatarecord aangemaakt: 2026-07-08
Informatie laatst gewijzigd: 2026-07-08
| ||||
