基于连续区域处理、网格掩膜和人工神经网络的生物声学信号分类
计算机视觉与模式识别
2013-06-19 v2
摘要
在本文中，我们开发了一种基于机器学习和图像处理的新方法，用于在高水平的背景噪声和干扰噪声存在的情况下识别北大西洋露脊鲸（NARW）的上行呼叫。我们将连续区域算法应用于谱图以提取感兴趣区域，然后使用网格掩膜技术生成一个小特征集，该特征集随后用于人工神经网络分类器以识别 NARW 上行呼叫。结果表明，所提出的技术在存在背景和干扰噪声的情况下，能够有效检测甚至非常微弱的上行呼叫。该方法在记录于美国马萨诸塞湾的数据集上进行了评估。该数据集包括 20000 个用于训练的声音片段和 10000 个用于测试的声音片段。结果显示，对于 90% 的真阳性率，所提出的技术可以实现小于 FPR = 4.5% 的错误率。
引用
@article{arxiv.1305.3635,
title = {Bioacoustic Signal Classification Based on Continuous Region Processing, Grid Masking and Artificial Neural Network},
author = {Mohammad Pourhomayoun and Peter Dugan and Marian Popescu and Christopher Clark},
journal= {arXiv preprint arXiv:1305.3635},
year = {2013}
}
备注
To be Submitted to "ICML 2013 Workshop on Machine Learning for Bioacoustics", 6 pages, 8 figures