通过主要颜色添加剂改进鸟类分类-计算机科学-音频分类-鸟类分类-深度学习.pdfVIP

通过主要颜色添加剂改进鸟类分类

EzhiniRasendiranR,ChandreshKumarMaurya

DepartmentofMetallurgicalEngineeringandMaterialsScience,IndianInstituteof

TechnologyIndore,India

DepartmentofComputerScienceEngineering,IndianInstituteofTechnologyIndore,

India

Abstract例如，自动化系统可以分析从部署在偏远地区的

mems210005019@alum.iiti.ac.in,chandresh@iiti.ac.in

生物声学被动声学监测（PAM）设备中收集的大

我们解决了通过鸟类的鸣叫声录音来分类鸟种的

数据集，使得长时间监控生物多样性成为可能。通

问题，这是一个由于环境噪声、重叠的叫声以及

过自动识别物种的声音信号，有助于研究人员做

缺失标签而极具挑战性的任务。现有的模型在处

出知情决策，保护生态系统并应对栖息地丧失和

理低信噪比或多种物种的录音时表现出困难。我

气候变化等威胁。这项技术的应用是迈向实现全

们假设可以通过可视化其音高模式、速度和重复

本球可持续发展目标的重要一步，确保我们星球丰

——统称为模式——对鸟类进行分类。应用于频

译富的生物多样性的保存[5]。

谱图图像的深度学习模型有所帮助，但不同物种

中深度学习的突破通过使从原始数据[6]中提取

之间相似的动机导致了混淆。为了解决这个问题，

1深层次抽象特征成为可能，彻底改变了生物声学

v我们将频率信息通过主要颜色添加剂嵌入到频谱

4图中。这增强了物种之间的区分度，提高了分类准音频分类；然而，重叠物种声音、广泛多样的发声

3模式以及物种叫声之间的显著相似性继续使得稳

3确性。我们的实验表明，所提出的方法在统计上

8健分类变得复杂。

1显著优于没有彩色化的模型，并超过了BirdCLEF

.无监督源分离，如MixIT方法[7]，已被用于

72024的获胜者，提升了7.3%的F1分数，6.2%的

0ROC-AUC和6.6%的CMAP。这些结果证明了通拆分复杂声音景观中重叠的鸟类叫声。该方法通

5过隔离个别叫声并使声学特征的提取更加清晰来

2过色彩化方式融入频率信息的有效性。

: