Bioacoustics: Deep-Learning Model Selection, Optimization, and Deployment for Wildlife Sound Classification on Edge Devices
Cet article présente un flux de travail reproductible et de bout en bout pour la sélection, l'optimisation et le déploiement de modèles bioacoustiques précis et auditables sur des dispositifs de bord (edge) utilisant uniquement des processeurs (CPU), en utilisant une architecture spécifique de spectrogrammes log-mel, de réseaux de neurones convolutifs (CNN) pré-entraînés sur de la vision et de mécanismes d'attention afin de surmonter des défis du monde réel tels que le bruit et le décalage de domaine, tout en étant validé sur le benchmark BirdCLEF+ 2026 Pantanal.