基于注意力机制的循环神经网络用于蛋鸡行为自动识别
声音
2024-01-19 v1 人工智能
计算与语言
机器学习
音频与语音处理
摘要
现代家禽养殖的关注点之一是蛋鸡的发声，其中包含有关健康行为的非常有用的信息。这些信息被用作健康和福祉指标，帮助饲养者更好地监控蛋鸡，涉及问题的早期检测以实现快速且更有效的干预。在本工作中，我们专注于声音分析以识别蛋鸡叫声的类型，旨在提出一个稳健的行为表征系统以进行更好的监控。为此，我们首先收集并标注了蛋鸡叫声信号，然后设计了基于时域和频域特征组合的最佳声学表征。随后，我们利用这些特征构建了基于循环神经网络的多标签分类模型，为表征蛋鸡行为的发声分配语义类别。结果表明，基于时域和频域特征组合的模型获得了最高的 F1 分数 (F1=92.75)，相较于仅使用频域特征的模型提升了 17%，相较于文献中的对比方法提升了 8%。
引用
@article{arxiv.2401.09880,
title = {Attention-Based Recurrent Neural Network For Automatic Behavior Laying Hen Recognition},
author = {Fréjus A. A. Laleye and Mikaël A. Mousse},
journal= {arXiv preprint arXiv:2401.09880},
year = {2024}
}