Félix MICHAUD

Résumé : 
 

La biologie de la conservation vise à protéger la biodiversité de l’érosion et de l’extinction grâce à un suivi efficace. L’écoacoustique, un domaine combinant l’écologie, l’acoustique et l’informatique, offre une approche prometteuse utilisant des dispositifs d’enregistrement acoustique passif et techniques d’analyses avancées, y compris l’apprentissage profond, pour suivre les écosystèmes et évaluer la biodiversité sur de grandes échelles spatio-temporelles. Dans cette thèse, l’apprentissage profond a été utilisé avec une approche ‹Data-centric› pour étudier l’impact de ses capacités de représentation des données appliquées à l’écoacoustique, allant de l’échelle des espèces à celle des paysages sonores.

 

Le premier chapitre propose une nouvelle fonction d’annotation basée sur la segmentation, la featurisation et le clustering pour créer des bases de données de haute qualité à partir de bases de données de sons d’oiseaux tels que Xeno-Canto. Le deuxième chapitre étudie l’impact du rapport signal-sur-bruit sur la classification des sons d’oiseaux à l’aide d’un réseau de neurones convolutionnel, puis l’application du modèle pour déterminer l’activité vocale de la chouette de Tengmalm dans 6 années d’enregistrements audio. Le dernier chapitre introduit une approche statistique pour mesurer l’expressivité des représentations latentes des paysages sonores obtenus avec différents algorithmes d’apprentissage profond, à travers les sites, les années, les mois et les heures.

 

Un lien zoom pour assister à la soutenance via visioconférence sera communiqué la veille de l’événement.