[論文レビュー] Acoustic Identification of Ae. aegypti Mosquitoes using Smartphone Apps and Residual Convolutional Neural Networks

Kayuã Oleques Paim, Ricardo Rohweder+3 more|arXiv (Cornell University)|Jun 16, 2023

Animal Vocal Communication and BehaviorBiochemistry, Genetics and Molecular Biology被引用数 3

ひとこと要約

この論文は、スマートフォンのマイクを用いたアエデス・アエギプトス蚊の翅音記録を用いた音声識別を目的とした、軽量な残差畳み込みニューラルネットワーク（ResNetベース）を提案する。独自のノイズ低減トレーニング戦略と新規のベンチマークデータセットを用いることで、高い精度と背景ノイズへのロバスト性を達成し、量子化とマルチスレッド推論により、低価格スマートフォンでもリアルタイムかつ効率的な推論が可能となり、モデルサイズは18.5%小さく、推論時間は2倍速くなった。

ABSTRACT

In this paper, we advocate in favor of smartphone apps as low-cost, easy-to-deploy solution for raising awareness among the population on the proliferation of Aedes aegypti mosquitoes. Nevertheless, devising such a smartphone app is challenging, for many reasons, including the required maturity level of techniques for identifying mosquitoes based on features that can be captured using smartphone resources. In this paper, we identify a set of (non-exhaustive) requirements that smartphone apps must meet to become an effective tooling in the fight against Ae. aegypti, and advance the state-of-the-art with (i) a residual convolutional neural network for classifying Ae. aegypti mosquitoes from their wingbeat sound, (ii) a methodology for reducing the influence of background noise in the classification process, and (iii) a dataset for benchmarking solutions for detecting Ae. aegypti mosquitoes from wingbeat sound recordings. From the analysis of accuracy and recall, we provide evidence that convolutional neural networks have potential as a cornerstone for tracking mosquito apps for smartphones.

研究の動機と目的

• スマートフォンを用いたリアルタイムなアエデス・アエギプトス蚊の検出のための低コストでスケーラブルなアプリケーションを開発すること。
• 一般消費者向けスマートフォンに機械学習モデルを展開する際の計算リソースと環境ノイズの課題に対処すること。
• 将来的な蚊の音声分類モデルのベンチマークに使用可能な、公開可能で高品質なデータセットを構築すること。
• 分類精度を損なわずにモデルの効率性と背景ノイズへのロバスト性を向上させること。
• アクセス可能なモバイル技術を通じて、広範なコミュニティベースのアエデス・アエギプトス蚊のモニタリングを可能にすること。

提案手法

• モバイル推論に最適化された残差畳み込みニューラルネットワーク（ResNetベース）アーキテクチャを提案し、計算オーバーヘッドを低減するための残差ブロックと、過学習を防ぐためのドロップアウト層を導入する。
• トレーニング段階で動的レンジ量子化を適用することで、モデルサイズを18.5%削減し、推論時間を半減させつつも精度を維持する。
• 特徴抽出、分類、結果表示を分離したマルチスレッド推論パイプラインを実装し、応答性を向上させる。
• 環境ノイズの影響を軽減するノイズ対応トレーニング戦略を導入し、分類性能への影響を低減する。
• 短い音声セグメント（1〜2秒）のスペクトログラムを、エンドツーエンドの蚊分類用にCNNの入力として使用する。
• 実世界の記録と新たに収集したデータセットの両方を用いてモデルを検証し、多様な音響環境下での性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 スマートフォンのマイク入力のみを用いて、軽量な残差CNNがアエデス・アエギプトス蚊の翅音を高精度に分類できるか？
• RQ2 動的レンジ量子化は、分類性能を劣化させることなく、モデルサイズの縮小と推論時間の短縮にどの程度効果を発揮するか？
• RQ3 提案されたトレーニング戦略は、背景ノイズの影響をどの程度軽減できるか？
• RQ4 本モデルは、流行地域で一般的に使用される低性能スマートフォンでも高い性能を維持できるか？
• RQ5 最先端のモデルと比較して、本モデルの精度、推論速度、モデルサイズの観点でどの程度優れているか？

主な発見

• 提案モデルは高い分類精度と再現率を達成しており、蚊トラッキングアプリケーションにおける実用的展開の可能性が強く示された。
• 動的レンジ量子化によりモデルサイズが18.5%削減され、計算効率が顕著に向上した。
• マルチスレッド処理とモデル最適化により、推論時間が約2倍速くなった。
• 変動する背景ノイズレベルを伴う準制御下のラボ環境でも、アエデス・アエギプトス蚊の識別において高い安定性を示した。
• エントリーレベルのスマートフォン（例：Asus Zenfone Max M3 および Motorola Moto E6 Play）でも正常に動作し、平均推論時間は約320 msであった。
• 新たに導入されたデータセットは、スマートフォンベースのシステムを用いた音声蚊検出分野における将来的な研究の標準的ベンチマークを提供する。