Marine Soundscapes in Shallow Water: Automated Tools for Characterization and Analysis

Promovendus/a
Parcerisas Serrahima, Clea
Faculteit
Faculteit Ingenieurswetenschappen en Architectuur
Vakgroep
Vakgroep Informatietechnologie
Curriculum
Master's Degree in Industrial Engineering, Universitat Politècnica de Catalunya, Spanje, 2019
Academische graad
Doctor in de ingenieurswetenschappen
Taal proefschrift
Engels
Vertaling titel
Mariene soundscapes in ondiep water: geautomatiseerde tools voor karakterisering en analyse
Promotor(en)
prof. Dick Botteldooren, vakgroep Informatietechnologie - dr. Elisabeth Debusschere (VLIZ) - prof. Paul Devos, vakgroep Informatietechnologie
Examencommissie
voorzitter prof. Filip De Turck (academisch secretaris) - prof. Philippe Blondel (University of Bath, Verenigd Koninkrijk) - dr. Olaf Boebel (Alfred-Wegener-Institut, Duitsland) - prof. Dick Botteldooren (vakgroep Informatietechnologie) - dr. Elisabeth Debusschere (VLIZ) - prof. Paul Devos (vakgroep Informatietechnologie) - prof. Lucia Di Iorio (Université de Perpignan Via Domitia, Frankrijk) - prof. Nilesh Madhu (vakgroep Elektronica en Informatiesystemen) - prof. Timothy Van Renterghem (vakgroep Informatietechnologie)

Korte beschrijving

Geluid wordt door vele zeedieren gebruikt voor o.a. hun communicatie en navigatie. Ook menselijke activiteiten en meteorologische gebeurtenissen produceren geluid. Het geheel van alle geluiden aanwezig op één locatie wordt een soundscape genoemd. Het bestuderen van deze soundscapes kan worden gebruikt om mariene habitats te begrijpen. Het één voor één beluisteren van opgenomen geluidsfragmenten neemt heel veel tijd in beslag. Om het analyseren van soundscapes efficiënt te maken zijn automatische methodes noodzakelijk. Dit doctoraatswerk richt zich op de ontwikkeling van nieuwe, automatische methodes voor de analyse van ondiepe, mariene soundscapes. De toepassingsresultaten worden vergeleken met resultaten uit traditioneel verricht onderzoek. De reikwijdte van dit doctoraatswerk gaat verder dan het theoretische kader; de nieuwe methodes worden geïmplementeerd op data verzameld in het Belgische deel van de Noordzee. De voorgestelde methodes variëren van onbegeleide clustering tot deep learning voor computervisie. Al deze machine learning methodes richten zich op de analyse van soundscapes met minimale menselijke input. Dit onderzoek toont het belang van soundscapes in marien onderzoek aan en illustreert hoe machine learning dit onderzoeksdomein toegankelijker kan maken.

Praktisch

Datum
Vrijdag 28 juni 2024, 17:30
Locatie
auditorium Asterias, VLIZ, InnovOcean Campus, gelijkvloers, Jacobsenstraat 1, 8400 Oostende
Livestream
Volg online

Meer info

Contact
doctoraat.ea@UGent.be