ASGIR：面向鸟类声音的 Audio Spectrogram Transformer 引导分类与信息检索
音频与语音处理
2024-07-30 v1 声音
摘要
鸟鸣识别与解读在鸟类学研究和生态保护中至关重要，这些研究对于理解鸟类行为、进行栖息地评估和判断生态健康具有意义。这项工作提出了一种基于音频声谱图引导的分类框架，称为 ASGIR，用于改进鸟声识别与信息检索。我们的工作配备了一个简单易用的数据驱动两级信息检索系统，该系统利用地理位置和鸟鸣来定位并检索相关鸟类信息，通过抓取被识别鸟类的维基百科页面信息。ASGIR 在欧洲国家 Xeno-Canto 数据集中包含 51 类随机子集上的 F1、Precision 和 Sensitivity 指标上实现了 100% 的中位性能。我们的代码可在以下链接获取：https://github.com/MainSample1234/AS-GIR
引用
@article{arxiv.2407.18927,
title = {ASGIR: Audio Spectrogram Transformer Guided Classification And Information Retrieval For Birds},
author = {Yashwardhan Chaudhuri and Paridhi Mundra and Arnesh Batra and Orchid Chetia Phukan and Arun Balaji Buduru},
journal= {arXiv preprint arXiv:2407.18927},
year = {2024}
}
备注
Accepted to INTERSPEECH'24