Conv-codes：用于鸟类物种分类的音频哈希方法
音频与语音处理
2019-02-08 v1 机器学习
声音
摘要
本文提出一种基于有监督凸表示的音频哈希框架，用于鸟类物种分类。该框架利用原型分析（一种矩阵分解技术）获得鸟类鸣叫的凸稀疏表示。这些凸表示通过布隆过滤器与非加密哈希函数进行哈希，得到紧凑的二进制编码，称为 conv-codes。从训练样本中提取的 conv-codes 使用类特定的 k-medoids 聚类以 Jaccard 系数为相似度度量进行聚类。哈希表以聚类中心为键填充，而哈希值/槽是指向物种识别信息的指针。在测试时，搜索哈希表以找到与测试 conv-code 相似度最大的聚类中心所对应的物种信息。因此，所提框架在 conv-code 空间中分类鸟类鸣叫，无需显式分类器或重构误差计算。此外，基于最小哈希和直接寻址，我们还提出了该框架的一种变体，可实现更快速有效的分类。这两种框架的性能在 50 种不同鸟类的音频记录上与现有鸟类物种分类框架进行了比较。
引用
@article{arxiv.1902.02498,
title = {Conv-codes: Audio Hashing For Bird Species Classification},
author = {Anshul Thakur and Pulkit Sharma and Vinayak Abrol and Padmanabhan Rajan},
journal= {arXiv preprint arXiv:1902.02498},
year = {2019}
}
备注
Accepted for presentation at ICASSP 2019