🐸 Frog Vocalization Detection using VAE

Sistema de detección automática de vocalizaciones de ranas utilizando Variational Autoencoders (VAE) y clasificación supervisada.

📊 Resultados

Modelo	Recall	Precisión	F1-Score
VAE (40 muestras)	90.00%	36.73%	52.17%
VAE (328 muestras)	90.43%	84.57%	87.40%
VAE + Clasificador	92.41%	94.92%	93.65% ✨

🏗️ Arquitectura

El sistema combina dos enfoques:

1. VAE (Variational Autoencoder): Compresión no supervisada del espectrograma a espacio latente de 16 dimensiones
2. Clasificador MLP: Red neuronal supervisada para clasificación binaria (rana/no-rana)

Audio → Mel-Spectrogram → VAE Encoder → Espacio Latente (16D) → MLP → Predicción

🚀 Instalación

Requisitos

• Python 3.8+
• PyTorch 2.0+
• librosa
• numpy
• matplotlib
• scikit-learn

Instalación rápida

# Clonar repositorio
git clone https://github.com/robleaustral/frog-vae-detector.git
cd frog-vae-detector

# Crear entorno virtual
python -m venv venv
source venv/bin/activate  # En Windows: venv\Scripts\activate

# Instalar dependencias
pip install -r requirements.txt

📦 Estructura del Proyecto

frog-vae-detector/
├── models/
│   ├── vae_model.py          # Arquitectura del VAE
│   ├── audio_processor.py    # Preprocesamiento de audio
│   └── detector.py            # Sistema de detección
├── scripts/
│   ├── train_vae.py          # Entrenamiento del VAE
│   ├── train_classifier.py   # Entrenamiento del clasificador
│   ├── evaluate_model.py     # Evaluación de modelos
│   └── visualize_latent_space.py  # Visualizaciones
├── notebooks/
│   └── evaluation_notebook.ipynb  # Análisis interactivo
├── figures/                   # Figuras del paper
├── results/                   # Métricas y resultados
├── requirements.txt
└── README.md

🎯 Uso Rápido

1. Preprocesar Audio

python audio_preprocessor.py \
  -i ./data/raw \
  -o ./data/processed

2. Entrenar VAE

python scripts/train_vae.py \
  --data-dir ./data/processed \
  --output-dir ./trained_models \
  --epochs 100 \
  --latent-dim 16

3. Entrenar Clasificador

python scripts/train_classifier.py

4. Evaluar

python scripts/evaluate_model.py \
  --model-path ./trained_models/best_model.pth \
  --config-path ./trained_models/detector_config.json \
  --frog-data ./data/processed \
  --non-frog-data ./data/other_sounds_processed

📊 Dataset

El sistema fue evaluado con:

• Ranas: 328 segmentos de 5 segundos
  • 40 del dataset ESC-50
  • 288 de grabaciones de campo (12 audios de ~60 seg c/u)
• No-ranas: 120 segmentos (perros, gatos, aves del ESC-50)

🔬 Metodología

VAE (Variational Autoencoder)

• Encoder: Capas convolucionales que comprimen espectrograma (128×216) a 16 dimensiones
• Decoder: Reconstruye el espectrograma original
• Detección: Distancia euclidiana al centroide del espacio latente

Clasificador Supervisado

• Arquitectura: MLP (16 → 32 → 16 → 1)
• Regularización: Dropout 30%
• Optimizador: Adam (lr=0.001)
• Función de pérdida: Binary Cross-Entropy

📈 Visualizaciones

Espacio Latente (PCA)

Evolución del F1-Score

Comparación con Estado del Arte

📄 Citación

Si utilizas este código en tu investigación, por favor cita:

@article{frog_vae_2025,
  title={Efficient Frog Vocalization Detection using Variational Autoencoders},
  author={Luis Veas-Castillo},
  journal={[JOURNAL]},
  year={2025}
}

🤝 Contribuciones

Las contribuciones son bienvenidas. Por favor:

1. Fork el proyecto
2. Crea una rama para tu feature (git checkout -b feature/AmazingFeature)
3. Commit tus cambios (git commit -m 'Add some AmazingFeature')
4. Push a la rama (git push origin feature/AmazingFeature)
5. Abre un Pull Request

📝 Licencia

Este proyecto está bajo la Licencia MIT - ver el archivo LICENSE para detalles.

👥 Autores

• Luis Veas-Castillo - Trabajo inicial - GitHub

🙏 Agradecimientos

• Dataset ESC-50: Karol J. Piczak
• Comunidad de PyTorch
• [Otras instituciones/personas]

📧 Contacto

Para preguntas o colaboraciones: [luis.veasc@inf.uach.cl]

---

Roble Austral Organization - GitHub

👤 Autor

Luis Veas-Castillo

• Instituto de Informática
• Universidad Austral de Chile
• Valdivia, Chile
• 📧 luis.veasc@inf.uach.cl