基于层次对比学习的个体动物声学识别
声音
2024-09-16 v1 机器学习
音频与语音处理
摘要
个体动物声学识别(AIID)与基于音频的物种分类密切相关，但需要更精细的细节来区分同一物种内的不同个体动物。在这项工作中，我们将AIID构建为一个层次化的多标签分类任务，并提出使用层次感知损失函数来学习个体身份的鲁棒表示，同时保持物种和分类单元之间的层次关系。我们的结果表明，层次化嵌入不仅提高了个体层面的识别准确性，也提高了更高分类层面的准确性，有效地在学习的表示中保留了层次结构。通过将我们的方法与无层次模型进行比较，我们强调了在嵌入空间中强制执行这种结构的优势。此外，我们将评估扩展到新个体类别的分类，展示了我们的方法在开放集分类场景中的潜力。
引用
@article{arxiv.2409.08673,
title = {Acoustic identification of individual animals with hierarchical contrastive learning},
author = {Ines Nolasco and Ilyass Moummad and Dan Stowell and Emmanouil Benetos},
journal= {arXiv preprint arXiv:2409.08673},
year = {2024}
}
备注
Under review; Submitted to ICASSP 2025