@MASTERSTHESIS{ 2025:1402427410,
 	title = {Recuperação de paisagens sonoras: uma análise de técnicas de  fusão de vetores de embeddings pré-treinados},
 	year = {2025},
 	url = "https://tede.ufam.edu.br/handle/tede/11337",
 	abstract = "A recuperação de paisagens sonoras semelhantes é essencial para o monitoramento bioacústico e ecoacústico, tarefas que continuam sendo desafiadora devido ao grande volume de dados não rotulados, ao ruído ambiental e à complexidade das cenas acústicas. Este estudo propõe um sistema eficiente que integra embeddings extraídos de um modelo de deep learning pré-treinado, combinados com uma técnica de redução de ruído e estratégias de fusão de vetores de features para viabilizar a recuperação baseada em similaridade em uma base de dados vetorial. Avaliamos o sistema utilizando gravações de aves, anfíbios e mamíferos em quatro metodologias experimentais, incluindo um estudo de caso focado em espécies ameaçadas. Os resultados mostram que os vetores de embeddings superam consistentemente as features tradicionais de MFCC na captura da similaridade acústica e que o algoritmo de busca aproximada (HNSW) melhora significativamente tanto a precisão da recuperação quanto a eficiência das consultas. Além disso, o sistema recupera de forma eficaz gravações da espécie criticamente ameaçada Crax alberti, permitindo o mapeamento de sua distribuição geográfica e destacando seu potencial para o planejamento da conservação.",
 	publisher = {Universidade Federal do Amazonas},
 	scholl = {Programa de Pós-graduação em Informática},
 	note = {Instituto de Computação}
}